社区居住的痴呆症患者的睡眠效率:使用机器学习的探索性分析

科学领域:

• 老年学是一门学科.
• 神经科学是一个神经科学.
• 生物医学工程 生物医学工程

背景情况:

• 睡眠障碍在社区居住的老年痴呆症患者中普遍存在,对健康产生负面影响,并增加照顾者的负担.
• 预测和提高睡眠效率对于管理痴呆症症状和提高家庭生活质量至关重要.

研究的目的:

• 开发一个预测模型,用于社区居住的老年痴呆症患者的睡眠效率.
• 通过使用机器学习,在这个人群中确定与睡眠效率相关的关键特征.

主要方法:

• 一项探索性观察性研究,涉及69名患有痴呆症的老年人.
• 通过动图,汗贴片检测细胞因子和基线调查 (疾病,药物,心理/行为症状,功能状态,人口统计) 收集的数据.
• 机器学习 (CatBoost模型) 用于确定最佳的睡眠效率预测模型及其十大相关特征.

主要成果:

• CatBoost模型被确定为睡眠效率的最佳预测指标.
• 最重要的预测特征包括睡眠规律性,药物数量,痴呆症药物,白天活动,日常生活的工具活动,神经精神病 inventory,催眠药,职业,瘤缩因子-alpha,和清醒时间 lux.

结论:

• 为社区居住的老年痴呆症患者建立了一个强大的睡眠效率预测模型.
• 这些发现强调需要针对特定患者特征量身定制的个性化睡眠干预措施,利用包括物联网设备在内的多种数据源.