孤独可以预测吗? 中国老年人孤独风险预测模型的开发:基于CLHLS的研究

科学领域:

• 老年学是一门学科.
• 公共卫生 公共卫生
• 计算社会科学 计算社会科学

背景情况:

• 全球老龄化趋势加剧了老年人的孤独感,影响了精神和生理健康.
• 传统的孤独评估工具可能受到认知衰退和定义变化的限制.
• 机器学习为在老年人群中更好地预测孤独风险提供了机会.

研究的目的:

• 调查中国老年人中孤独的普遍性.
• 在这个人口群体中确定与孤独相关的因素.
• 开发和评估用于预测孤独风险的机器学习模型.

主要方法:

• 利用了来自2018年中国长度健康长寿调查 (CLHLS) 的数据,其中有超过16000名参与者 (≥65岁).
• 研究了孤独与认知功能,功能限制,生活条件,环境,健康问题和行为之间的关系.
• 开发并比较了7个预测模型 (逻辑回归,回归,SVM,KNN,决策树,随机森林,MLP) 使用R 4.4.1,由ROC,准确性,精度,回忆,F1和AUC进行评估.

主要成果:

• 在中国老年人中,孤独的发病率为23.4%.
• 确定了16个孤独的预测因素.
• 后勤回归在预测孤独风险方面表现出卓越的表现,提供了经济和运营优势.

结论:

• 在中国老年人群中观察到孤独的显著患病率 (23.4%).
• 在迷你心理状态考试 (MMSE) 上获得更高的分数与孤独感的减少有关.
• 在这个群体中,物流回归成为预测孤独风险的最有效模型.