使用社会经济,基础设施和生活质量数据,用于预测老年人肉症的机器学习
Minje Seok1, Wooseong Kim1, Jiyoun Kim2
1Computer Engineering Department, Gachon University, Seongnam 13120, Republic of Korea.
Healthcare (Basel, Switzerland)
|November 14, 2023
概括
机器学习模型可以准确地预测肉症,这是老龄化人口的关键健康问题. 关键因素包括社会经济地位,社会基础设施和生活质量,使更好的管理策略成为可能.
科学领域:
- 老年学是一门学科.
- 公共卫生 公共卫生
- 生物医学信息学 生物医学信息学
背景情况:
- 世界卫生组织的"健康老龄化"重点强调了老年人功能能力的重要性.
- 骨肌肉质量的丧失,即萨尔科佩尼亚,是一个越来越令人担忧的问题,特别是在像韩国这样快速老龄化的社会中.
- 了解社会经济地位 (SES),社会基础设施和生活质量 (QoL) 的相互作用,对于解决肉病患病率至关重要.
研究的目的:
- 开发和验证机器学习 (ML) 模型,使用国家卫生调查数据预测肉症.
- 调查SES,社会基础设施和QoL对韩国人口中萨科佩尼亚患病率的影响.
- 通过可解释的AI技术,识别石症的关键预测特征.
主要方法:
- 利用了机器学习算法,包括随机森林 (RF),LightGBM (LGB),CatBoost (CAT) 和深度神经网络 (DNN).
- 从2008年至2011年的韩国国家健康和营养检查调查 (KNHANES) 的雇员数据.
- 应用了SHapley添加式解释 (SHAP) 来进行特征重要性和因果关系分析.
主要成果:
- 在多个ML模型中实现了 Sarcopenia 识别的约80%准确性.
- 显示出强大的预测性能,曲线下面积 (AUC) 值为0.831 (两性),0.868 (男性) 和0.773 (女性).
- 确定了每月的家庭收入,住房类型,婚姻状况,社会基础设施的可访问性,社区体育设施的面积和生活满意度作为重要的预测因素.
结论:
- 机器学习模型有效地预测了肉症,为公共卫生倡议提供了宝贵的工具.
- 社会经济因素和社会环境显著影响了肉病风险,强调了需要综合管理策略的需要.
- 可解释的人工智能 (SHAP) 成功阐明了肉症的关键驱动因素,促进了针对健康衰老的有针对性的干预措施.
