可解释的机器学习用于识别中国老年人超重和肥胖的危险因素
Bozhezi Peng1, Jiani Wu1, Xiaofei Liu2
1School of Ocean & Civil Engineering, Shanghai Jiao Tong University, Shanghai, China.
Geriatric nursing (New York, N.Y.)
|January 5, 2025
概括
年龄较大的成年人.
科学领域:
- 老年学是一门学科.
- 公共卫生 公共卫生
- 流行病学 流行病学
背景情况:
- 超重和肥胖是老年人的重大健康问题.
- 确定关键的风险因素对于开发有效的干预措施至关重要.
研究的目的:
- 确定对老年人超重/肥胖最有影响力的危险因素.
- 为了比较各种机器学习模型的预测性能.
主要方法:
- 利用了400名中国老年人的调查数据.
- 评估了人口统计,健康,体力活动和社区领域的风险因素.
- 采用了六个机器学习算法和夏普利添加式解释 (SHAP) 进行解释.
主要成果:
- CatBoost模型实现了超重/肥胖的最高预测准确度.
- 关键预测因素包括性别,与交通相关的体力活动和道路网络密度.
- 其他重要因素包括跌倒,心血管疾病,靠近公共交通和土地使用.
结论:
- 身体活动不足,道路网络密集,以及跌倒会增加老年人超重/肥胖的风险.
- 干预策略应侧重于促进体育活动,改善社区设计和预防跌倒.
