一种机器学习方法来确定多发性硬化症中跌倒的风险因素
Su Özgür1,2, Meryem Koçaslan Toran3,4, İsmail Toygar5
1Department of Biostatistics and Medical Informatics, Ege University Faculty of Medicine, Izmir, Türkiye.
BMC medical informatics and decision making
|July 31, 2024
概括
多发性硬化症 (PwMS) 患者的跌倒通常是由疾病影响和残疾等因素引起的. 可修改的因素,如吸烟和运动习惯,可以针对减少PwMS中的跌倒风险.
科学领域:
- 神经学 神经学
- 康复医学 康复医学 康复医学
- 数据科学数据科学数据科学
背景情况:
- 跌倒是多发性硬化症 (PwMS) 患者的一个重大问题,导致受伤和功能下降.
- 识别跌倒预测因素对于开发有针对性的干预措施至关重要.
- 机器学习为PwMS中分析复杂的跌倒相关因素提供了一种新的方法.
研究的目的:
- 调查导致PwMS下跌的关键因素.
- 应用机器学习算法来预测跌倒风险.
- 确定多发性硬化症患者群体中跌倒的可修改和不可修改风险因素.
主要方法:
- 进行了一项涉及253个PwMS的横截面研究.
- 使用社会人口统计表格和验证尺度 (FES-I,BBS,FSS,EDSS,MSIS-29,T25-FW) 收集的数据.
- XGBoost梯度增强算法用于降落风险的预测建模.
主要成果:
- XGBoost模型实现了曲线下的面积为0.713.
- 跌倒的重要风险因素包括MSIS-29分数,EDSS,婚姻状况,教育,疾病持续时间和年龄.
- 吸烟和定期炼习惯等可修改因素也成为预测因素.
结论:
- 吸烟和定期运动被确定为影响PwMS下降的可修改因素.
- 年龄和疾病持续时间是不可修改的风险因素,应指导风险识别.
- 针对MSIS-29和EDSS分数的干预措施,以及教育和财政支持,可以帮助防止PwMS下降.


