相关实验视频
Updated: Jul 16, 2026
08:05
Design and Analysis for Fall Detection System Simplification
Published on: April 6, 2020
10.6K
机器学习预测退院后老年人倒的情况:一个多中心前性研究
Yuko Takeshita1, Mai Onishi1, Hirotada Masuda2
1Division of Health Sciences, Osaka University Graduate School of Medicine, Osaka, Japan.
Journal of the American Medical Directors Association
|December 19, 2024
概括
这项研究开发了一种机器学习模型,用于预测医院出院后老年人跌倒的情况. 该模型使用易于收集的数据来识别患有高跌倒风险的患者,帮助预防策略.
科学领域:
- 老年医学 老年医学
- 医疗保健中的人工智能
- 患者安全 患者安全
背景情况:
- 医院出院后的跌倒对老年人来说是一个重大问题.
- 现有的秋季预测方法可能是复杂和繁的.
- 需要有效的工具来识别有针对性的干预高风险个体.
研究的目的:
- 开发和验证一种机器学习 (ML) 模型,用于预测退院后老年人早期倒.
- 利用从急性护理环境中轻松收集的数据.
- 为了减少复杂的评估工具的负担.
主要方法:
- 在日本老年病房的前性多中心研究 (2019年10月-2023年7月).
- 包括706名年龄≥65岁的参与者.
- 提取了19个变量;开发了ML模型 (额外的树木,天真的海湾,AdaBoost,随机森林);使用5倍交叉验证和AUC进行评估.
主要成果:
- 16.1%的患者在出院后3个月内出现下降.
- 额外树木分类器实现了最高的预测性能 (AUC=0.73).
- 关键预测因素包括劳顿IADL,临床虚弱度量表,尿失禁,老年抑郁度量表和入院前住所.
结论:
- 这是第一个ML模型,可以预测老年急性护理患者出院后的早期跌倒.
- 该模型显示了在防摔策略中提供帮助的潜力.
- 它支持从医院到社区环境的护理更顺利地过渡.
