多重併存疾患を有する高齢者のための、解釈可能で時間依存的な機械学習ベースの生存モデルの開発と検証

科学分野:

• 老年医学
• 疫学
• 生物統計学

背景:

• 多重併存疾患は、高齢者の死亡リスクを著しく増加させます。
• 現在の死亡予測ツールは、しばしば複雑で臨床現場での応用が困難です。

研究 の 目的:

• 多重併存疾患を有する高齢者の死亡率を予測するための、簡略化され、解釈可能で、時間依存的な生存モデルを開発および検証すること。
• 死亡リスク層別化のための主要な予測因子を特定すること。

主な方法:

• 2つの大規模で全国的に代表的な中国のコホート（CLHLS-HFおよびCHARLS）を利用しました。
• 単変量コックス回帰、L1正則化コックス回帰、およびブートストラップ法を含む4段階の特徴選択パイプラインを採用しました。
• 年齢、BMI、および日常生活動作（調理能力、排泄能力）を使用してコックス生存モデルを開発および検証しました。

主要な成果:

• 4つの予測因子（年齢、BMI、調理能力、排泄能力）を用いた簡潔なコックスモデルは、強力な予測性能（内部C指数0.7524、外部C指数0.7104）を示しました。
• モデルは良好な時間依存性Brierスコア、良好なキャリブレーション、および意思決定曲線上の正味利益を示しました。
• 時間依存的な重要度分析により、年齢が最も影響力が大きく、排泄能力が短期、調理能力が中期から長期、BMIが安定した影響を持つことが明らかになりました。

結論:

• 開発された4項目モデルは、多重併存疾患を有する高齢者の死亡リスク層別化のための、シンプルで解釈可能かつ効果的なツールを提供します。
• M-SAGEオンラインツールは、迅速なリスク評価を促進し、個別化された介入をサポートします。
• このアプローチは、複雑な健康課題に直面する高齢者人口の個別化医療を強化します。