中年和老年中国成年人视力障碍的决定因素:使用机器学习算法的风险预测模型

科学领域:

• 眼科和公共卫生.
• 老年学是一门学科.
• 生物统计学和机器学习

背景情况:

• 视力障碍 (VI) 是一个重要的全球健康问题,影响超过22亿人.
• 在中国,近一半的60岁及以上的成年人受到VI的影响,这凸显了早期检测的必要性,以防止不可逆转的视力丧失.
• 目前机器学习 (ML) 在中国中年和老年人群中预测VI风险的应用有限.

研究的目的:

• 开发和验证机器学习 (ML) 模型,用于预测中国中年和老年人视力障碍 (VI).
• 通过使用ML算法来确定与VI相关的关键决定因素和风险因素.

主要方法:

• 利用了来自中国健康与退休长度研究 (CHARLS) 4 个波 (2011-2018) 的 19,047 名参与者的数据.
• 采用多个ML算法,包括梯度提升机,分布式随机森林,通用线性模型,深度学习和堆叠组合,用于预测.
• 使用接收器操作特征 (ROC) 和校准曲线评估预测性性能,并通过变量重要性分析确定关键预测因素.

主要成果:

• 在研究参与者中,视力障碍 (VI) 的患病率为33.9% (6449/19,047).
• 堆叠组合模型表现出最好的预测性能,曲线下的面积 (AUC) 为0.715,优于其他ML模型.
• 重要的VI预测因素包括听力障碍,自我感知的健康状况,疼痛,年龄,手握力,抑郁,睡眠时间,高密度脂蛋白胆固醇和关节炎.

结论:

• 在中国,大约三分之一的中老年人和老年人患有视力障碍 (VI),有显著的区域患病率差异.
• 机器学习算法,特别是堆叠组合,显示出强大的预测能力,用于识别有VI风险的个体.
• 结合ML预测模型与变量重要性分析,为中国的早期VI检测和有针对性的干预提供了一个有希望的方法.