机器学习模型的开发和验证,以预测老年人的脆弱风险
Wei Zhang1, Junchao Wang2, Fang Xie3
1First Affiliated Hospital of Kunming Medical University, Kunming, China.
Journal of advanced nursing
|April 12, 2024
概括
机器学习模型有效地预测老年人的脆弱风险. 随机森林和物流回归模型显示出高准确性,有助于早期干预和改善老年人的生活质量.
科学领域:
- 老年学是指老年学的学科.
- 人工智能的人工智能
- 公共卫生 公共卫生
背景情况:
- 早期识别老年人的脆弱性对于减少医疗负担和提高生活质量至关重要.
- 脆弱性是人口老龄化的一个重大问题,需要有效的预测工具.
研究的目的:
- 开发和验证机器学习 (ML) 模型,用于预测老年人脆弱风险.
- 确定与老年人虚弱相关的关键风险因素.
主要方法:
- 一项前性队列研究,利用来自中国纵向健康长寿研究 (波 6-7) 的数据.
- 四个ML算法 (随机森林,支持向量机器,XGBoost,逻辑回归) 用于预测骨折,使用骨质疏松性骨折指数进行评估.
- 模型经过培训,在一个由4385个个体组成的队列上进行内部验证,在6997个个体上进行外部验证.
主要成果:
- 随机森林 (RF) 和后勤回归 (LR) 模型显示出强大的预测性能.
- 射频模型实现了0.75的最高曲线下面积 (AUC),紧随其后的是LR (0.74).
- 最终模型显示了类似的AUC值 (RF为0.77,LR为0.76) 和相同的精度 (87.4%).
结论:
- 已经成功开发了基于ML的预测模型,用于预测老年人脆弱的风险.
- 这些模型可以帮助医疗保健提供者预测脆弱的概率,并指导老年人的干预措施.
