使用人工智能预测老年人与跌倒有关的伤害的入院情况:一项概念验证研究
Nam Le1,2, Milan Sonka1,2, Dionne A Skeete3
1Iowa Initiative for Artificial Intelligence, University of Iowa, Iowa City, Iowa, USA.
Geriatrics & gerontology international
|January 12, 2025
概括
机器学习识别了老年人因跌倒而入院的风险因素. 作为女性,65-74岁,并具有高脆弱指数得分预测了这些入院.
科学领域:
- 老年医学 老年医学
- 医疗保健中的人工智能
- 创伤研究 创伤研究
背景情况:
- 受伤前的虚弱是老年创伤患者预后的一个已知的预测因素.
- 识别与跌倒相关的住院风险的老年人对于预防性护理至关重要.
研究的目的:
- 利用机器学习来识别"签名"或临床变量组合,预测老年人中与跌倒相关的住院住院情况.
- 假设5项修改的脆弱性指数,结合其他因素,可以预测这些入院.
主要方法:
- 对国家再接收数据库 (2010-2014) 对老年人创伤入院的分析.
- 包括诸如年龄,性别,慢性疾病,之前入院的病例,并发病,五项修改的脆弱指数和保险状况等变量.
- 应用后勤回归和随机森林机器学习模型,使用决策树来提取高风险因素组合.
主要成果:
- 开发了18种不同的预测模型.
- 作为女性经常与与跌倒相关的入院有关.
- 结合65-74岁的女性和5项修改的脆弱指数得分>3的组合,预计在80.3%的研究人群中,因跌倒相关的伤害而入院.
结论:
- 机器学习成功生成了18个"签名",以识别面临跌倒相关住院风险的老年人.
- 建议对这些高风险组合模型在其他数据库 (如TQIP) 中进行验证,以便在未来进行研究.
