基于营养评估的机器学习可以预测老年住院患者可能患有肉类的不良事件
Chengyu Liu1, Hongyun Huang1, Moxi Chen1
1Department of General Surgery, Peking Union Medical College Hospital, Chinese Academy of Medical Sciences and Peking Union Medical College, 1 Shuaifuyuan Road, Dongcheng District, Beijing, 100730, China.
Aging clinical and experimental research
|February 22, 2025
概括
机器学习准确地预测了老年人的死亡和感染等不良事件. 这有助于个性化营养策略,以获得更好的临床结果.
科学领域:
- 老年学是一门学科.
- 医疗信息学 医疗信息学
- 营养科学 营养科学
背景情况:
- 当前预测工具对老年住院患者的不良事件与肉缺乏准确性个性化营养管理.
- 麻症显著增加了老年人群不良健康结果的风险.
研究的目的:
- 开发和验证机器学习模型,用于预测老年住院患者可能患有肉症的全因死亡率和传染性并发症.
- 提高营养评估准确度,以提高这个脆弱群体的风险分层.
主要方法:
- 从30家中国医院对3,999名可能患有肉症的老年患者进行了回顾性分析.
- 利用临床数据,实验室结果,营养风险查-2002 (NRS-2002) 和迷你营养评估-简单表格 (MNA-SF) 来构建模型.
- 采用了算法,包括决策树,随机森林和梯度增强机 (GBM),通过AUC和准确度评估性能.
主要成果:
- 该研究包括3,999名参与者 (平均年龄75.89岁);9.7%的人经历了不良事件 (1.6%在医院死亡,8.5%感染并发症).
- 一个决策树模型在验证队列中实现了0.7072的AUC.
- 确定的主要预测因素是移动性,减少食物摄入量,白细胞数量,上臂周长和低albuminemia.
结论:
- 机器学习模型在预测老年住院患者可能患有肉症的不良事件方面展示了可行性和有效性.
- 这些模型具有指导临床营养决策和改善患者护理的潜力.
