使用机器学习算法开发成功老年人衰老的预测模型

科学领域:

• 老年学是一门学科.
• 人工智能的人工智能
• 公共卫生 公共卫生

背景情况:

• 全球老龄化趋势需要成功老龄化 (SA) 的策略.
• 老年人的生活质量 (QoL) 受身体,精神和社会因素的影响.
• 之前的研究已经低估了社会决定因素在SA中的作用.

研究的目的:

• 开发一个成功老龄化 (SA) 的预测模型.
• 确定导致SA的主要身体,精神和社会因素.
• 通过预测建模,提高老龄化人口的生活质量 (QoL).

主要方法:

• 研究了975个老年人 (SA和非SA) 的病例.
• 采用单变量分析来确定影响SA的重要因素.
• 机器学习算法的性能比较,包括随机森林 (RF),XGBoost,J-48,人工神经网络,支持矢量机器和天真贝斯.

主要成果:

• 随机森林 (RF) 模型实现了最高的预测性能.
• 射频模型的指标:PPV=90.96%,NPV=99.21%,灵敏度=97.48%,特异性=97.14%,准确度=97.05%,F-score=97.31%,AUC=0.975.1%,AUC=0.975.
• 射频在预测成功衰老 (SA) 方面表现出最佳的准确性.

结论:

• 预测模型可以显著改善老年人生活质量,减少社会经济负担.
• 随机森林 (RF) 模型是预测老年人SA的有效工具.
• 将社会因素纳入SA预测模型对于全面的老年护理至关重要.