Un modelo de aprendizaje automático para la fragilidad basado en mediciones de dispositivos portátiles

Área de la Ciencia:

• Gerontología e Ingeniería Biomédica
• Aplicaciones de aprendizaje automático en la atención médica

Sus antecedentes:

• La fragilidad es un factor importante del envejecimiento relacionado con resultados adversos.
• Las métricas actuales de fragilidad consumen mucho tiempo, lo que limita su uso a gran escala.

Objetivo del estudio:

• Aplicar el aprendizaje automático para predecir métricas de fragilidad y resultados adversos utilizando datos de actividad de dispositivos portátiles.
• Evaluar la eficacia de los modelos de aprendizaje automático en la evaluación de riesgos para la salud en poblaciones geriátricas.

Principales métodos:

• Se utilizaron sensores de acelerómetro portátiles de Actigraphy para recopilar datos de movimiento.
• Se emplearon modelos de aprendizaje automático para predecir métricas de fragilidad, factores de riesgo y resultados adversos.
• Se evaluó el rendimiento del modelo utilizando AUC, AUPRC y varias pruebas estadísticas en datos subsampled.

Principales resultados:

• Los modelos de aprendizaje automático demostraron un sólido rendimiento predictivo con datos limitados de acelerometría.
• Los modelos predijeron con precisión resultados adversos como hospitalización y mortalidad en pacientes geriátricos.
• El poder predictivo de los resultados adversos superó al de las métricas tradicionales de fragilidad.

Conclusiones:

• La predicción de la fragilidad basada en datos de actividad de dispositivos portátiles proporciona un sustituto escalable para las métricas tradicionales.
• Este enfoque permite la predicción de resultados adversos, facilitando la evaluación de la fragilidad en estudios más amplios y en la práctica clínica.