一个机器学习框架,用于对军人服务人员的肌肉骨损伤风险组进行分类
Matthew B Bird1,2, Megan H Roach1,2,3, Roberts G Nelson4
1Extremity Trauma and Amputation Center of Excellence, Defense Health Agency, Falls Church, VA, United States.
Frontiers in artificial intelligence
|August 16, 2024
概括
机器学习模型可以使用健康记录和问卷预测军事人员的肌肉骨损伤 (MSKI) 风险. 这有助于识别有针对性的干预的高风险个体.
科学领域:
- 军人卫生保健 军人卫生保健
- 数据科学数据科学数据科学
- 肌肉骨健康 肌肉骨健康
背景情况:
- 肌肉骨损伤 (MSKIs) 是军人群体的一个重大健康问题.
- 有效的风险识别和缓解策略对于服务成员至关重要.
- 机器学习 (ML) 为开发高效的MSKI风险选工具提供了潜力.
研究的目的:
- 开发和评估时间到事件的ML模型,用于预测美国陆军服务人员的MSKI风险.
- 确定与MSKI发展相关的关键风险因素.
- 将服务人员分为潜在干预的风险类别.
主要方法:
- 利用了4222名美国陆军服务人员的自我报告问卷和电子健康记录.
- 使用的生存ML模型包括Cox比例危险回归 (COX),COX与分线,条件推理树和随机森林.
- 训练模型对75%的数据进行了评估,对25%进行了评估,预测MSKI风险在30,90,180和365天的时间范围内.
主要成果:
- COX模型表现最好,时间依赖的AUC从0.73到0.70.
- 180天的指数预测精度 (IPA) 比零模型高出12%.
- 根据COX模型确定的重大风险因素包括"其他"种族,自我报告的疼痛,女性性别和之前的MSKI.
结论:
- 可以利用自我报告数据和现有的健康记录来创建用于MSKI风险分析的ML算法.
- 该研究强调了ML在识别MSKI高风险的服务成员方面的潜力.
- 建议进行进一步的研究,以开发更具体的查工具和缓解策略.
