中年和老年人关节炎功能障碍的风险预测:使用可解释机器学习进行全国性的横截面研究

科学领域:

• 老年学是指老年学的学科.
• 类风湿病学 类风湿病学
• 生物医学信息学 生物医学信息学

背景情况:

• 关节炎是中年和老年人中普遍存在的慢性疾病.
• 关节炎与功能衰退密切相关,影响生活质量.

研究的目的:

• 开发和验证可解释的机器学习模型,用于早期检测关节炎患者的功能障碍.
• 确定功能障碍的关键预测因素,以告知护理策略.

主要方法:

• 利用了2015年中国健康与退休长度研究 (CHARLS) 的数据.
• 采用LASSO和多因素物流回归来进行特征选择.
• 开发和评估了六个机器学习模型,选择了XGBoost作为最佳.
• 使用夏普利添加式扩展 (SHAP) 解释模型.

主要成果:

• 包括5111名受试者;1955人患有功能障碍.
• 在XGBoost模型中,AUC达到0.74.
• 最重要的预测因素:腰围,手握强度,自我报告的健康状况,年龄,身体疼痛,抑郁,跌倒,睡眠时间,护理资源.
• 60岁以上的人群中发现的高风险是腰围增加,睡眠时间短,手握强度低.

结论:

• 一个可解释的机器学习模型可以早期检测关节炎中的功能障碍.
• 这些发现指导了针对性护理策略的制定,以延迟功能残疾.
• 这种方法支持主动管理关节炎相关的功能衰退.