机器学习算法的性能评估,用于老年人萨科佩尼亚诊断
Su Ozgur1,2, Yasemin Atik Altinok3, Devrim Bozkurt4
1Department of Biostatistics and Medical Informatics, Faculty of Medicine, Ege University, 35040 Izmir, Turkey.
Healthcare (Basel, Switzerland)
|October 13, 2023
概括
机器学习能够准确地早期检测出肉症. 手握强度,性别,BMI和年龄是关键的危险因素,有助于及时预防和管理这种肌肉疾病.
科学领域:
- 老年学是一门学科.
- 生物医学信息学 生物医学信息学
- 肌肉生理学 肌肉生理学
背景情况:
- 萨科佩尼亚是一种渐进的骨肌肉疾病,需要早期诊断才能有效管理.
- 及时的干预可以减轻肉类的不良影响和后果.
- 识别风险因素对于开发预测模型至关重要.
研究的目的:
- 为了确定标症诊断的重大风险因素.
- 为了比较机器学习算法的性能,用于早期发现肉症.
主要方法:
- 这是一项对160名65岁以上社区成年人进行的横截面研究.
- 11个临床变量被选择用于机器学习模型开发.
- 评估了包括LightGBM,随机森林,XGBoost,SVM和KNN在内的机器学习算法.
主要成果:
- 机器学习模型在早期发现肉症方面取得了很高的准确性 (高达0.939).
- 发现的关键预测因素是手握强度,性别,BMI和中上臂周长.
- 在男性/女性模型中,表现不同,SVM在女性队列中表现出色.
结论:
- 机器学习有效地从临床数据中预测早期的肉症.
- 这些预测能力支持个性化,预防性医学方法.
- 早期检测有助于临床医生积极主动地管理肉症.
