一个机器学习模型来预测残疾人中风幸存者的生活质量亚型
Qi Xu1, Lei Lei1, Zhenguo Lin2
1Xiamen Fifth Hospital, Xiamen, 361101, China.
Annals of clinical and translational neurology
|December 7, 2023
概括
机器学习根据生活质量 (QoL) 确定了两种中风幸存者亚型. 需要更多支持的幸存者有更糟糕的 QoL,由疼痛和社会因素驱动,而不仅仅是身体残疾.
科学领域:
- 神经学 神经学
- 康复医学 康复医学 康复医学
- 医疗信息学 医疗信息学
背景情况:
- 脑卒中显著影响幸存者的生活质量 (QoL) 和功能独立性.
- 了解不同的QOL类型对于有效的康复策略至关重要.
研究的目的:
- 在身体残疾的中风幸存者中识别生活质量受损 (QoL) 类型.
- 使用机器学习方法确定预测这些QoL亚型的关键因素.
主要方法:
- 非负矩阵因子化 (NMF) 基于SF-36 QoL数据对308名中风幸存者进行了分组.
- 博鲁塔算法确定了预测变量;梯度增强机 (GBM) 和LIME解释了子类型驱动器.
主要成果:
- 两种不同的QoL亚型出现了:一个更糟糕的QoL组和一个更好的QoL组.
- 更糟糕的QOL与角色情绪,身体疼痛和一般健康有关,而不是身体功能.
- 来自他人,社区活动和康复需求的帮助预测了更糟糕的QOL,超过了残疾严重程度.
结论:
- 康复计划应根据已识别的QoL集群进行个性化.
- 解决身体疼痛和情绪行为问题比单独的运动缺陷更为关键.
- 生活质量较差的幸存者需要加强社会支持,重新融入社区,并进行量身定制的康复.


