机器学习算法可以预测中国老年人的轻度认知障碍:一项横截面研究

科学领域:

• 老年学与公共卫生
• 医疗保健中的人工智能
• 认知科学 认知科学

背景情况:

• 轻度认知障碍 (MCI) 对全球老年人群构成越来越大的挑战.
• 早期识别MCI对于及时干预和管理至关重要.
• 预测模型可以帮助识别不同人群中的风险人群.

研究的目的:

• 评估中国老年人中MCI机器学习 (ML) 算法的预测能力.
• 识别导致MCI发展的主要人口和生活方式因素.
• 为早期检测和预防策略利用ML.

主要方法:

• 利用来自2020年中国健康和老年护理纵向调查 (CHARLS) 的6434名老年人的数据.
• 应用了6个ML算法 (逻辑回归,KNN,SVM,DT,LightGBM,RF) 来进行MCI预测.
• 使用ROC曲线,DCA,SHAP值,MCC,因果和反事实分析用于模型评估和特征重要性.

主要成果:

• ML模型实现了0.71-0.77的AUC范围,而LightGBM显示出卓越的性能和稳定性.
• 患有MCI的主要预测因素包括教育水平,社会事件,性别,与孩子的关系和年龄.
• 因果分析证实了这些因素对MCI的显著影响,平均治疗效果为-0.144.

结论:

• 机器学习模型为预测中国老年人的MCI提供了强大的方法.
• 确定了可修改和不可修改的关键因素,这些因素可以为目标干预提供信息.
• 基于机器学习的洞察力可以支持公共卫生倡议,用于老年人群的认知健康.