开发和验证基于机器学习的预测模型,用于慢性阻塞性肺病患者的脆弱性发生

科学领域:

• 老年学是指老年学的学科.
• 肺部病理学 肺部病理学
• 医疗信息学 医疗信息学

背景情况:

• 虚弱是一种生理功能下降的综合征,慢性阻塞性肺病 (COPD) 患者的脆弱性增加.
• 慢性肺炎患者面临着独特的身体和心理负担,加剧了脆弱的风险.
• 早期识别和预测脆弱性对于管理COPD患者至关重要.

研究的目的:

• 为了确定COPD患者的虚弱性患病率.
• 开发和评估一个可靠的预测模型,用于COPD的脆弱性风险.
• 改善临床识别和预测这一群体的脆弱性.

主要方法:

• 利用了2018年中国健康与退休长度研究 (CHARLS) 的数据.
• 采用机器学习技术,包括XGBoost,随机森林和物流回归.
• 开发了一个在线预测风险建模网站,使用SHAP解释进行定制风险评估.

主要成果:

• 确定了抑郁症,吸烟,性别,社交活动,失脂症,喘和居住类型作为COPD脆弱性的关键预测因素.
• XGBoost模型显示出高预测能力,AUC为0.942,准确度为0.915,灵敏度为0.873,特异性为0.911.
• 开发的模型有效地区分了脆弱和非脆弱的COPD患者.

结论:

• 机器学习预测模型是评估COPD患者脆弱风险的宝贵工具.
• 该模型可以帮助临床医生查和识别高风险个体,以便及时进行干预.
• 这种方法提高了慢性阻塞性肺病的背景下虚弱的管理.