可解释的机器学习模型用于识别慢性疼痛老年患者的轻度认知障碍
Xiaoang Zhang1,2, Yuping Liao2, Daying Zhang2
1School of Nursing, Jiangxi Medical College, Nanchang University, Nanchang, China.
BMC nursing
|January 21, 2025
概括
在慢性疼痛的老年人中检测轻度认知障碍 (MCI) 是非常重要的. 机器学习模型确定了关键的风险因素,如年龄,疼痛程度和抑郁症,有助于早期发现痴呆症的预防.
科学领域:
- 老年学是一门学科.
- 神经学 神经学
- 数据科学数据科学数据科学
背景情况:
- 轻度认知障碍 (MCI) 在经历慢性疼痛的老年人中很常见.
- 早期发现MCI对于预防痴呆和促进健康衰老至关重要.
研究的目的:
- 为了确定患有慢性疼痛的老年人MCI的危险因素.
- 开发和评估用于MCI风险识别的机器学习模型.
主要方法:
- 分析了612名患有慢性疼痛的老年人.
- 数据包括人口统计,认知功能,疼痛,抑郁和睡眠质量.
- 机器学习模型是使用选定变量开发和验证的.
主要成果:
- 年龄,教育程度,疼痛特征,抑郁症和睡眠质量是MCI的重要风险因素.
- 极端梯度增强 (XGBoost) 模型表现出卓越的性能 (AUC 0.925).
- 疼痛程度,年龄和抑郁症被确定为最有影响力的预测因素.
结论:
- 成功创建了9个机器学习模型来评估MCI风险.
- 这些模型可以帮助护士在慢性疼痛患者中早期检测MCI.
- 建议将机器学习纳入临床实践,需要进行纵向验证.
