相关实验视频
Updated: Jun 1, 2025
08:05
Design and Analysis for Fall Detection System Simplification
Published on: April 6, 2020
10.6K
使用机器学习,为住院患者构建掉落风险预测模型
Cheng-Wei Kang1, Zhao-Kui Yan1, Jia-Liang Tian1
1Department of Orthopaedics, West China School of Public Health and West China Fourth Hospital, Sichuan University, Chengdu, Sichuan, 610041, China.
BMC public health
|January 20, 2025
概括
机器学习准确地预测住院患者的跌倒风险. 随机森林模型确定了关键因素,改善了患者安全和预防策略.
科学领域:
- 医疗保健信息学 医疗保健信息学
- 临床风险管理临床风险管理
- 机器学习在医学中的应用
背景情况:
- 住院患者面临严重的跌倒风险,导致不良结果.
- 准确预测跌倒风险对于有效的预防策略至关重要.
研究的目的:
- 确定住院患者中跌倒的危险因素.
- 开发和验证基于机器学习的跌倒风险预测模型.
- 为了评估各种机器学习算法的性能,用于降落预测.
主要方法:
- 使用了来自福岛医科大学医院队列研究 (DRYAD数据库) 的数据的横截面设计.
- 使用合成少数群体过量采样技术与编辑的最近邻居 (SMOTE-ENN) 结合用于数据平衡.
- 应用单变量分析,LASSO回归和八个机器学习算法,包括随机森林,使用SHAP进行解释性.
主要成果:
- 随机森林模型表现出强大的预测性能,测试组中的AUC为0.795.
- 发现的关键预测因素包括ADL (站立,疏散),年龄组,计划手术,轮椅使用,跌倒史,催眠药物,精神药物和远程护理系统.
- SHAP分析提供了关于这些风险因素的重要性的见解.
结论:
- 机器学习,特别是随机森林,对于预测住院患者的跌倒风险是有效的.
- 开发的模型和确定的风险因素可以显著提高患者的安全性,并为医疗保健机构的防摔方案提供信息.
