通过机器学习方法,提高中国老年人脆弱指数评估的便利性
Li Huang1,2, Huajian Chen2, Zhenzhen Liang3
1School of Public Health, Xinxiang Medical University, Xinxiang, 453003, China.
Scientific reports
|October 5, 2024
概括
这项研究使用机器学习开发了一种简化的脆弱性评估. 新模型准确地预测了老年人的脆弱性,改善了健康结果的预测.
科学领域:
- 老年学是一门学科.
- 生物统计学 生物统计学
- 医疗保健中的机器学习
背景情况:
- 脆弱性是老龄化人口不良健康结果的重要预测因素.
- 脆弱性指数 (FI) 通过累积赤字来评估脆弱性,但可能是漫长的.
- 需要一个简化,可靠和准确的脆弱性评估工具.
研究的目的:
- 为了简化脆弱指数评估尺度,同时保持可靠性和准确性.
- 为老年人开发一种快速而简单的脆弱性评估方法.
- 利用机器学习进行高效的脆弱性预测.
主要方法:
- 利用来自中国长度健康长寿调查 (CLHLS) 的数据,参与者年龄在65岁以上.
- 采用拉索回归,博鲁塔算法和随机森林来选择特征.
- 构建并评估了六个预测模型,其中逻辑回归显示了最佳性能.
主要成果:
- 后勤回归模型实现了高性能:AUC 0.974,准确度 0.932,F1 0.880在验证数据上.
- 外部验证显示出强大的预测能力 (AUC 0.963,0.977).
- 该模型在各个子组 (性别,年龄>80) 和长期随访 (AUC>0.95) 中显示出一致的准确性.
结论:
- 基于10个关键特征的简化脆弱性评估模型使用机器学习成功开发.
- 该模型提供了一种可靠和准确的方法,用于快速评估老年人的脆弱性.
- 一个用户友好的网站可用于预测模型的实际应用.
