老年人缓慢步行速度的血液生物标志物签名:一种可解释的机器学习方法

科学领域:

• 老年学和生物医学科学
• 生物标志物发现发现
• 移动性研究 移动性研究

背景情况:

• 保持身体功能对于老年人独立生活至关重要.
• 步行速度是老年人健康和功能状况的关键指标.
• 血液生物标志物在监测流动性下降中的作用需要进一步研究.

研究的目的:

• 在老年人中探索特定血液生物标志物与步行速度之间的关联.
• 为了确定预测缓慢步行速度的关键生物标志物.
• 开发一个可解释的机器学习模型来评估流动性下降.

主要方法:

• 使用了从MIDUS生物标志物研究中405名年龄在60岁及以上的参与者的横截面设计.
• 采用机器学习框架,包括XGBoost算法和特征选择.
• 应用沙普利增量解释 (SHAP) 对于模型的可解释性.

主要成果:

• 一个可解释的预测模型确定了与缓慢步行速度相关的六个关键特征.
• 高水平的介质素-6,C反应蛋白,糖化血红蛋白和介质素-8,以及年龄较大和女性性别,与步行速度降低有关.
• 该模型实现了曲线下的面积为0.75.5.

结论:

• 血液生物标志物,包括炎症标志物和糖化血红蛋白,与老年人的步行速度有显著的关联.
• 这些生物标志物可以整合到模型中,以评估和监测流动性下降.
• 识别这些生物标志物为早期干预提供了潜力,以保持老龄化人口的流动性.