为养老院居民开发基于机器学习的秋季预测模型的开发和外部验证:一项前性队列研究

科学领域:

• 老年学是指老年学的学科.
• 医疗保健中的人工智能
• 临床预测模型临床预测模型

背景情况:

• 跌倒是养老院居民的一个重要问题,导致伤害和降低生活质量.
• 准确的跌倒风险评估对于实施预防策略至关重要.

研究的目的:

• 开发和验证一种机器学习 (ML) 模型,用于预测 ambulatory 护理院居民的跌倒情况.
• 创建一个用户友好的工具,让员工在6个月的时间内评估跌倒风险.

主要方法:

• 一项前性队列研究,涉及中国864名养老院居民.
• 收集了潜在跌倒预测因素的数据,包括平衡,握力,疲劳,跌倒史,年龄和并发症.
• 通过使用ROC-AUC和PR-AUC指标评估了七个ML算法 (LR,GBM,XGBoost,RF,SVM,NN,DT).

主要成果:

• 确定了六个关键预测因素:平衡,握力,疲劳,跌倒史,年龄和并发症.
• 在ML模型中,ROC-AUC值在0.710-0.750之间,PR-AUC值在0.415-0.473.3之间.
• 一个物流回归 (LR) 模型被成功转换为临床名录.

结论:

• 基于ML的模型在识别养老院居民中高风险的人群中表现出有效性.
• 开发的名图为改善临床环境下下降风险评估提供了一个实用的工具.
• 这种工具的整合可以提高养老院的患者安全和护理质量.