認知と身体のリスクを組み合わせたパターンは,コミュニティに住む高齢者の脆弱性の逆転を3年後に予測する:決定樹分析
Noriki Yamaya1, Tomomi Furukawa1, Kazuki Kitazawa1
1Nagano University of Health and Medicine, Japan.
高齢者の弱さの逆転を予測することは可能です. 認知機能と身体機能が 重要な指標で 機械学習モデルは 持続的な弱さを特定する上で 高い精度を示しています
科学分野:
- ゲロントロジー
- 生物医学情報学
- 公衆衛生
背景:
- 高齢者の健康と独立性に 影響を及ぼす重要な老年症候群です
- 弱さを回復し続ける可能性のある個人を特定することは 適切な介入に不可欠です
- 脆弱性に関する既存の予測モデルには 精度や特定のリスク因子の特定が 欠けていることが多いのです
研究 の 目的:
- コミュニティに住む高齢者の弱さの逆転を予測するための機械学習モデルを開発し,検証する.
- 3年間の持続的な弱さに関連した主要な危険因子とパターンを特定する.
- 脆弱性に関するKihonチェックリスト (KCL) を利用したモデルの予測性能を評価する.
主な方法:
- 65歳以上の弱体で 長期のケアを受けていない地域住民のデータを用いた.
- 予測パターンを特定するために 機械学習の技術である 意思決定ツリー分析を使用しました
- 認知機能と身体活動を評価するキホンチェックリスト (KCL) が主なデータ源でした.
主要な成果:
- KCLの認知機能領域は,脆弱性の逆転の主な決定因子として現れた.
- 認知機能の低下と身体活動の低下は,3年後に持続的な弱さを有意に予測した.
- 開発されたモデルは,81. 0%の特異性と,82. 6%の精度で高い予測精度を示した.
結論:
- 認知と身体の危険因子の組み合わせが 長期にわたる弱さの結果を予測する上で 重要な役割を果たします
- 提案された機械学習モデルは 持続的な弱さの高いリスクのある高齢者を効果的にスクリーニングする見込みを示しています
- 特定されたリスクパターンを基に 標的を絞った介入は 老齢層における 脆弱性の回復率を 改善する可能性があります
さらに関連する動画
04:13Using a Real-Time Locating System to Measure Walking Activity Associated with Wandering Behaviors Among Institutionalized Older Adults
Published on: February 8, 2019
12:18A Machine Learning Approach to Design an Efficient Selective Screening of Mild Cognitive Impairment
Published on: January 11, 2020
関連する概念動画
The Effect of Aging on Tissues
Pharmacokinetics in Geriatric Patients: Effect of Age on Drug Distribution
Pharmacokinetics in Geriatric Patients: Effect of Age on Drug Metabolism
Pharmacodynamics in Geriatric Patients: Effects of Age
Cognitive Development During Adulthood
Aging
Cellular Clock Theory
The cellular clock theory posits that the human lifespan is closely tied to the finite capacity of cells to divide, a phenomenon governed by telomeres, which are protective caps at the ends of...
