评估老年住院癌症患者营养不良的预测模型:一种机器学习方法
Ran Duan1, QingYuan Li2, Qing Xiu Yuan3
1Oncology Department, The First Affiliated Hospital of Chengdu Medical College and Clinical Medical College, Chengdu Medical College, Chengdu, 610500, China; Clinical Key Speciality (Oncology Department) of Sichuan Province, The First Affiliated Hospital of Chengdu Medical College, Chengdu, 610500, China.
营养不良影响近一半的老年癌症患者. 一个XGBoost模型使用年龄,日常生活活动,白蛋白和身体质量指数准确预测营养不良风险,从而使早期干预成为可能.
科学领域:
- 老年瘤学 老年瘤学
- 营养科学 营养科学
- 医疗保健中的机器学习
背景情况:
- 营养不良是老年癌症患者的一个重要问题.
- 早期发现营养不良对于改善患者的治疗结果至关重要.
- 这项研究重点关注住院的老年癌症患者.
研究的目的:
- 开发一种预测模型,用于医院住院的老年癌症患者的营养不良.
- 确定这一群体中营养不良的关键预测因素.
- 评估用于营养不良预测的机器学习模型的性能.
主要方法:
- 在2022年1月至2023年1月期间,收集了450名老年癌症患者 (60岁以上) 的数据.
- 利用LASSO方法从22个初始变量中确定关键预测变量.
- 测试了九个机器学习模型,其中XGBoost通过SHAP分析选择了其可解释性.
主要成果:
- 46.4%的参与者被确定为营养不良.
- 营养不良的主要预测因素包括日常生活活动 (ADL),白蛋白 (ALB),体重指数 (BMI) 和年龄.
- XGBoost模型表现出高性能,AUC为0.945,准确度为0.872,灵敏度为0.968.
结论:
- 开发的XGBoost模型对于检测老年癌症患者的营养不良非常有效.
- 这种预测模型有助于早期和快速的营养评估.
- 这些发现支持将机器学习纳入瘤学中的营养风险查.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
12:18A Machine Learning Approach to Design an Efficient Selective Screening of Mild Cognitive Impairment
Published on: January 11, 2020
