开发机器学习模型,对韩国老年人的生活满意度进行分类

科学领域:

• 老年学是指老年学的学科.
• 公共卫生 公共卫生
• 医疗保健中的人工智能

背景情况:

• 独自生活的老年人是一个不断增长的人口.
• 生活满意度对于晚年生活中的幸福至关重要.
• 在这个群体中预测和提高生活满意度需要了解关键影响因素.

研究的目的:

• 确定单独生活的老年人生活满意度的预测因素.
• 开发和评估用于预测生活满意度的机器学习 (ML) 模型.
• 为旨在改善这一群体生活质量的干预措施提供信息.

主要方法:

• 利用了2020年韩国高级调查中3112名老年人的数据.
• 使用五种ML模型 (Lasso,CART,C5.0,随机森林,XGBoost) 来分类生活满意度.
• 使用准确度,精度,回忆,F1得分和AUC评估模型性能,并确定变量的重要性.

主要成果:

• 独自生活的老年人中,45.3%的人表示生活满意度.
• 极端梯度提升 (XGBoost) 模型表现出卓越的性能 (F1得分0.72,AUC0.75).
• 关键预测因素包括社区满意度,自我评估的健康状况,邻居互动,与孩子的亲密关系以及住所满意度.

结论:

• 整体社区满意度是独居老年人的生活满意度最强的预测指标.
• 改善社区环境和社会支持系统可以对生活满意度产生积极影响.
• 机器学习模型为识别影响老年人群福祉的因素提供了一个有希望的方法.