Интеграция социальной когнитивной теории и машинного обучения для прогнозирования сексуального поведения мужчин, имеющих секс с мужчинами (MSM), с женщинами: многоцентровое исследование по разработке модели случайного леса в Китае

Почему скрытые «мосты» в сексе важны

Специалисты общественного здравоохранения обеспокоены «мостовыми» формами поведения, которые тайно связывают группы с высоким риском ВИЧ с широкой популяцией. В Китае некоторые мужчины, практикующие секс с мужчинами (MSM), также вступают в половые контакты с женщинами, часто скрывая свою гомосексуальную активность. Такая схема может непреднамеренно подвергать инфекционному риску их женщин‑партнёров и значительно осложняет мероприятия по профилактике. В исследовании, кратко описанном здесь, поставлен практический вопрос: можно ли, опираясь на психологические представления и современные методы анализа данных, заблаговременно выявлять такое скрытое поведение так, чтобы поддерживать людей, а не обвинять их?

Более внимательный взгляд на труднодоступное сообщество

Исследователи сотрудничали с общественными организациями в шести китайских городах и анонимно опросили 2403 мужчин, имевших секс с мужчинами за последние шесть месяцев. Они спрашивали не только о половых контактах с мужчинами и женщинами, но и о настроении, самооценке, употреблении психоактивных веществ, отношениях, работе, образовании и жилищных условиях. Примерно 17% участников сообщили о сексе с женщиной за последний полугодичный период. Большинство были молодыми взрослыми, с высоким уровнем образования, многие переехали из родных мест. Такой подход через сообщество позволил команде охватить людей, которые в противном случае могли бы избегать официальных опросов из‑за стигмы или страха быть идентифицированными.

Как сочетаются психология и алгоритмы

Работа была направлена в рамках Социальной когнитивной теории — фигуры, рассматривающей поведение как результат постоянного взаимодействия личных мыслей и чувств, повседневных действий и социального окружения. Воспользовавшись этой перспективой, команда сгруппировала 28 измеряемых факторов в три широкие области: личное состояние (например, депрессия, тревога и самооценка), поведение (например, групповый секс с мужчинами или употребление наркотиков перед сексом) и окружение (например, уровень образования, семейный статус и миграция). Вместо того чтобы позволить компьютеру вслепую перебирать все комбинации, авторы сначала выбрали переменные, которые по теории должны играть роль, а затем применили метод машинного обучения, известный как случайный лес, чтобы ранжировать, какие из них действительно больше всего помогают предсказывать секс с женщинами.

Создание компактного риск‑скора

Из первоначальных 28 показателей алгоритм выделил компактный набор из девяти, несущих основную предсказательную силу: тревога, депрессия, самооценка, возраст, уровень образования, семейный статус, сексуальная ориентация, недавний групповый секс с мужчинами и употребление наркотиков перед сексом. Эти девять факторов затем были переданы в более простую статистическую модель, которая выдаёт вероятность того, что конкретный мужчина недавно имел секс с женщиной. При повторном обучении и тестировании на различных подвыборках данных модель сумела с достаточно высокой точностью отличать MSM, сообщавших и не сообщавших о сексе с женщинами: примерно 80% по стандартной шкале производительности. Модель также давала оценки риска, хорошо согласующиеся с наблюдаемыми частотами, то есть предсказанные вероятности систематически не завышались и не занижались.

Что модель показывает о паттернах риска

Наиболее сильные сигналы поступали от семейного статуса и того, как участники сами определяли свою сексуальную ориентацию, далее шли психологический дистресс и некоторые поведенческие факторы. Мужчины, состоящие в браке, а также те, кто идентифицировал себя как гомосексуальные или бисексуальные (в отличие от неуверенных), с большей вероятностью сообщали о сексе с женщинами. Более высокие показатели тревоги и депрессии и более низкая самооценка также ассоциировались с большей вероятностью половых контактов с женщинами, как и недавний групповый секс с мужчинами и употребление наркотиков перед сексом. Младший возраст и более низкое образование, как правило, увеличивали риск. Важно, что модель показывала сопоставимую эффективность в разных возрастных группах, уровнях образования, семейных ситуациях и между мигрантами и местными жителями, что свидетельствует о том, что риск‑скор не ограничен узкой подгруппой.

Преобразование чисел в практичный инструмент без обвинений

Чтобы сделать результаты пригодными для использования вне статистической лаборатории, команда преобразовала девять ключевых предикторов в простую шкалу начисления баллов, или номограмму. Консультант, клиницист или работник выездной службы могут использовать эту таблицу, чтобы присвоить баллы за показатели настроения, статус отношений, образование, недавние поведенческие факторы и т. д.; суммарные баллы переводятся в приближённую вероятность того, что человек также имеет половые контакты с женщинами. Авторы подчёркивают, что этот инструмент предназначен для конфиденциальных, поддерживающих бесед и ранней профилактики — помощь в целенаправленном консультировании, тестировании и предоставлении ресурсов по безопасному сексу тем, кто может выступать скрытым «мостом», — а не для клеймения людей или усиления стигмы.

Цитирование: Liu, S., Gao, Y., Xu, H. et al. Integrating social cognitive theory with machine learning to predict MSM-women sexual behavior: a multicenter random forest model development study in China. Sci Rep 16, 6029 (2026). https://doi.org/10.1038/s41598-026-36202-0

Ключевые слова: Профилактика ВИЧ, бисексуальное поведение, машинное обучение, психическое здоровье, MSM в Китае