Peer Relationships Are a Direct Cause of the Adolescent Mental Health Crisis: Interpretable Machine Learning Analysis of 2 Large Cohort Studies
Notice bibliographique
Résumé
Background: Converging evidence indicates an adolescent mental health crisis in Western societies that has developed and exacerbated over the past decade. The proposed driving factors of this trend include more screen time, physical inactivity, and social isolation, but their causal influence on mental health is insufficiently understood. Objective: The objective of this study is to test whether and based on which predictor variables the development of mental health in adolescents in the last decade can be predicted and to better understand the causal chain of factors at work. Methods: We implemented an interpretable machine learning pipeline based on gradient boosting regression with repeated cross-validation to assess the development of mental health throughout adolescence in members of 2 longitudinal cohort studies, the British Millenium cohort (MC; n=8599) and the German Health Interview and Examination Survey for Children and Adolescents (KiGGS) cohort (n=1212). In total, 144 (MC) and 102 (KiGGS) predictors assessed at the age of around 13.8 years (MC) and 11.6 years (KiGGS) were used to assess mental health at the ages of around 16.7 years (MC) and 16.4 years (KiGGS). Based on these predictive models, we used permutation-based feature importance analyses to identify relevant predictors and predictor domains. Moreover, we performed partial dependence analyses in a causal inference framework to determine the direct effects of physical inactivity, screen time, and peer problems on the development of mental health. Results: The average cross-validated Pearson correlation coefficient (r) between predicted and true mental health in late adolescence was 0.614 (MC) and 0.466 (KiGGS). Feature importance analyses indicated a strong impact of preexisting mental health and weaker impacts of sex (female as a risk factor), physical health (chronic disease as a risk factor), lifestyle, and socioeconomic and family factors (eg, low parental education, income, and mental health as risk factors). Causal inference analyses suggested a strong direct effect of peer relationships, but only a small direct effect of physical inactivity and a very small direct effect of screen time. Conclusions: Mental health development during adolescence can be assessed by a combination of variables from early adolescence. Peer problems represent an important direct cause of mental health development, and their deterioration may contribute to the current mental health crisis.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,054 | 0,072 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,004 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».