机器学习方法用于老年人脆弱性检测,预测和分类:系统性审查
Matteo Leghissa1, Álvaro Carrera1, Carlos A Iglesias1
1Universidad Politécnica de Madrid, Av. Complutense, 30, 28040, Madrid, Spain.
International journal of medical informatics
|August 16, 2023
概括
机器学习模型可以帮助检测和预测老年人的脆弱性. 为了在医疗保健应用中获得普遍的定义和更好的解释性,需要进一步的研究.
科学领域:
- 老年学是一门学科.
- 人工智能的人工智能
- 生物医学信息学 生物医学信息学
背景情况:
- 虚弱是一种与年龄相关的综合症,患病率和医疗费用不断增加.
- 早期发现和预测虚弱对于改善老年人健康状况至关重要.
- 机器学习 (ML) 在脆弱性评估中为决策支持工具提供了潜力.
研究的目的:
- 系统地审查机器学习模型用于脆弱性检测和预测.
- 根据目的,数据和结果,比较现有的ML模型.
- 为了确定弱点的ML的优点,缺点和研究缺口.
主要方法:
- 按照PRISMA方法论进行系统的文献搜索.
- 选择和分析41个相关出版物.
- 关于目的,数据集类型,目标变量和结果的模型比较.
主要成果:
- 不同的脆弱性定义使得结果比较复杂.
- 数据类型包括步态数据 (传感器) 和医疗记录.
- 常见的ML算法广泛可用;有限的新框架和可解释性.
结论:
- 需要对脆弱的普遍定量定义.
- 医疗专业人员和数据科学家之间的合作至关重要.
- 医疗保健的ML模型中的解释性需要进一步调查.
