基于机器学习的分类和韩国社区老年人脆弱的风险因素分析

科学领域:

• 老年学是指老年学的学科.
• 计算生物学 计算生物学
• 生物统计学 生物统计学

背景情况:

• 脆弱是老年人的一个动态状态,在状态之间经常发生过渡.
• 早期发现脆弱性对于预防不良健康结果至关重要.
• 识别脆弱性风险因素对于有针对性的干预措施至关重要.

研究的目的:

• 开发和评估机器学习 (ML) 模型来分类脆弱状态.
• 为了确定与老年人虚弱相关的重大风险因素.
• 评估基于ML的脆弱性预测的临床相关性.

主要方法:

• 分析了1482名老年人 (1266名健壮,216名虚弱).
• 使用随机森林进行特征选择,以确定16种脆弱性风险因素.
• 开发和比较五个ML模型:逻辑回归,K-最近邻居,支向量机,高斯素朴贝叶斯和随机森林.
• 使用数据重新抽样,分层十倍交叉验证和网格搜索进行优化.

主要成果:

• 后勤回归模型实现了最高的性能.
• 获得了0.93的精度和0.92.9的F1得分.
• 通过特征选择确定了关键的脆弱性风险因素.

结论:

• 机器学习技术为脆弱性分类提供了有效的方法.
• 开发的模型可以使用临床相关数据预测脆弱状态.
• 识别与脆弱相关的因素可以指导预防策略并改善健康结果.