يعتبر التعرف المبكر على مخاطر تعاطي المواد المخدرة بين المراهقين أحد أهم التحديات في مجال الوقاية. ومع ذلك، لا يزال من غير الواضح القيمة النسبية لخصائص الأساس، والمسارات الطولية، والسياق العلاقات. وتمت دراسة البيانات المستخرجة من حوالي 11,860 مشاركًا في دراسة التطوير المعرفي لدماغ المراهقين (ABCD)، حيث تم مقارنة النماذج الإحصائية التقليدية والنماذج الديناميكية القائمة على الرسوم البيانية.

تم تقييم نماذج قائمة على الأشجار، والشبكات العصبية المتكررة، وشبكات الانحدار الزمنية المعتمدة على الرسوم البيانية (Temporal Graph Convolutional Networks - T-GCNs) المستندة إلى البيانات السياقية من العائلة والمدرسة والتشابه بين الخصائص. النتائج تظهر أن النماذج الطولية تتفوق باستمرار على النماذج الأساسية، مع تحقيق نموذج XGBoost الزمني (Temporal XGBoost) أفضل أداء منفرد. وعلى الرغم من أن T-GCNs عمومًا لا تتجاوز أداء XGBoost الزمني، فإن النقاط المستندة إلى الرسوم البيانية توفر معلومات مكملة.

عند دمج توقعات XGBoost الزمني وT-GCN من خلال عملية التجميع على مستوى النقاط، تم تحقيق أفضل أداء لجميع النتائج، مع الحصول على قيم AUC-ROC تتجاوز 0.79. كما حددت تحليلات الخصائص مؤشرات مهمة مثل انحراف الرفاق، والعمر، والأعراض الخارجية، ورصد الأهل، والأعراف الثقافية، وسياق الحي كعوامل رئيسية في تنبؤ ظهور تعاطي المواد المخدرة.

تظهر هذه النتائج أهمية النماذج الطولية في تقدير مخاطر تعاطي المواد المخدرة، وتقترح أن التمثل القائم على الرسوم البيانية يمكن أن يوفر إشارات خطر إضافية فعالة. لذا، إذا كنت مهتمًا بكيفية تحسين استراتيجيات الوقاية من تعاطي المخدرات بين الشباب، تابعنا لمزيد من المعلومات!