多病性高齢者の睡眠障害のリスクを予測するための説明可能な機械学習モデルの開発と検証:横断的な研究

科学分野:

• ゲロントロジー
• 人工知能
• 睡眠医学

背景:

• 睡眠障害は高齢者,特に多発性患者で一般的です.
• リスクの正確な予測は 適切な介入に不可欠です

研究 の 目的:

• 多病性高齢者の睡眠障害リスクを予測するための説明可能な機械学習モデルを開発し,検証する.
• この集団における睡眠障害の主要な予測要因を特定する.

主な方法:

• 6つの機械学習モデルが評価されました. ロジスティック回帰,ニューラルネットワーク,サポートベクトルマシン,グラデーションブーストマシン,K-Nearest Neighbors,ライトグラデーションブーストマシンです.
• グラデント・ブースティング・マシン (GBM) モデルは,より優れた性能を示し,曲線下の面積 (AUC) を0.881を達成しました.
• 説明可能なAI技術,特にSHAP (シェープリー・アディティブ・エクスプリネーション) は,モデル解釈性のために使用されました.

主要な成果:

• 研究コホートにおける睡眠障害の流行率は28. 7%であった.
• GBMモデルは最も高い予測精度 (AUC = 0. 881) を達成した.
• トップの予測要因は 弱さ 認知状態 栄養状態 孤独な生活 鬱 喫煙状態 不安でした

結論:

• この研究は,多病性のある中国人の高齢者の睡眠障害を予測する最初の説明可能なAIモデルを提示しています.
• この研究では,7つの重要なリスク要因が特定され,この集団における睡眠障害の病因に関する理解を深めた.
• SHAP 方法はモデル解釈性を向上させ,臨床医が予測の根拠を理解するのに役立ちます.