サルコペニアの高齢成人における長期的な結果を予測するためのマルチモダルデータ駆動の予後モデル: 後向きコホート研究

科学分野:

• ゲロントロジー
• バイオ統計学
• 医療における機械学習

背景:

• サルコペニア (SP) は,高齢者の健康への悪影響と死亡率に関連した進行性疾患です.
• 高齢のSP患者における効果的な臨床意思決定には,正確な死亡リスクの予測が不可欠です.

研究 の 目的:

• サルコペニアの高齢者の死亡リスクに関する機械学習ベースの予後モデルを開発し,検証する.
• 社会統計,健康,ライフスタイル,バイオマーカーのデータを統合し,リスクの階層化を改善する.

主な方法:

• SPを患った1619人の高齢者のNHANESデータ (1999年~2006年,2010年~2018年) の分析と10年間の追跡調査.
• ラッソ・リグレッション,XGBoost,ランダムフォレストを用いた機能選択.
• コックス回帰分析を用いたノモグラムモデルの開発と検証

主要な成果:

• 年齢,身長,中性粒子の数,血球と赤血球の分布幅の比率,尿酸,およびクレアチニンを含む12の重要な特徴が特定されました.
• ノモグラムモデルは,0. 753から0. 800までのAUC値で,強力な予測性能を示した.
• このモデルは患者をリスクグループに分類し,高リスクグループでは生存率が著しく低下しました.

結論:

• マルチモダルのデータを統合した検証された予後モデルにより,サルコーペニアの高齢者の死亡率の予測精度が向上します.
• このモデルは臨床医に貴重な洞察を与え リスクの階層化と個別化された介入戦略を 支援します
• 開発されたノモグラムは,SPの高齢患者の改善された管理と臨床的意思決定を容易にする.