基于机器学习和SHAP值的疼痛预测模型,用于台湾老年痴呆症患者
Shwu-Feng Tsay1, Cheng-Yu Chang2, Sing Shueh Hung3
1Department of Nursing and Health Care, Ministry of Health and Welfare, No. 488, Sec. 6, Zhongxiao E. Rd., Nangang District, Taipei City 115, Taiwan; School of Nursing, National Taiwan University, No.1, Sec. 1, Jen Ai Rd, Taipei City 100, Taiwan; Department of Health Services Administration, College of Public Health, China Medical University, No. 100, Sec. 1, Jingmao Rd., Beitun Dist., Taichung City 406, Taiwan.
International journal of medical informatics
|May 14, 2024
概括
机器学习可以准确地预测老年痴呆症患者的疼痛,使用卡诺夫斯基尺度和关节炎等因素. 这有助于更好地管理这种脆弱人群的疼痛.
科学领域:
- 老年学是一门学科.
- 人工智能的人工智能
- 疼痛管理 疼痛管理
背景情况:
- 患有痴呆症的老年人中疼痛很普遍,由于认知障碍,疼痛往往被忽视.
- 痴呆症症状可能会使准确的疼痛评估和有效的管理策略复杂化.
研究的目的:
- 开发一种机器学习模型,用于预测老年痴呆症患者的疼痛指数.
- 确定影响该人口疼痛感知的关键变量.
主要方法:
- 利用来自113个案例的问卷数据来训练和比较三个机器学习算法.
- 采用夏普利增量解释 (SHAP) 来解释模型,识别特征的重要性和关系.
- 实现特征选择以优化预测模型.
主要成果:
- 有特征选择的随机森林在预测疼痛指数方面表现出卓越的表现,最大限度地减少根平均平方误差和平均绝对误差.
- 确定了11个关键特征,卡诺夫斯基尺度显示了与疼痛指数的显著积极关联.
- 关节炎被确定为老年痴呆症患者疼痛指数最有影响力的疾病预测因子.
结论:
- 这项研究为预测老年痴呆患者的疼痛提供了关键的见解.
- 开发的模型有可能应用于数字工具 (例如,应用程序,网页) 以提高效率和减少疼痛评估中的劳动力.
