基于中国健康老年人机器学习的残疾风险预测模型:来自中国健康与退休长度研究的结果
1School of Public Health, Hubei University of Medicine, Shiyan, Hubei, China.
Frontiers in public health
|November 29, 2023
概括
机器学习准确地预测了老年人的3年残疾风险. 关键因素包括握力,抑郁症状和年龄,使个性化预防策略成为可能.
科学领域:
- 老年学是一门学科.
- 医疗保健中的人工智能
- 公共卫生 公共卫生
背景情况:
- 预测中国老年人的残疾风险对于干预和生活质量至关重要.
- 开发用于残疾风险评估的机器学习模型至关重要.
研究的目的:
- 开发和验证一种机器学习模型,用于预测中国健康老年人的3年残疾风险.
- 为了确定这一群体中残疾的关键预测因素.
主要方法:
- 来自中国健康与退休纵向研究 (CHARLS) (2015-2018) 的2175名老年人的前性队列研究.
- 使用了六种机器学习算法 (逻辑回归,k-NN,天真贝叶斯,MLP,随机森林,XGBoost).
- 拉索回归确定了重要的特征,并使用SHAP值进行模型解释.
主要成果:
- 505名 (23.22%) 参与者在3年内发展为残疾人.
- XGBoost模型显示出优异的性能 (AUC=0.803,精度=0.757).
- 最重要的预测因素包括右手握力的强度,抑郁症状,婚姻状况,呼吸功能和年龄.
结论:
- 机器学习模型可以准确预测健康老年人的3年残疾风险.
- XGBoost与SHAP相结合,提供个性化的风险预测和对关键特征的可解释洞察力.
