在中国老年人中使用机器学习预测中风的城市和农村差异

科学领域:

• 老年学是指老年学的学科.
• 公共卫生 公共卫生
• 生物统计学 生物统计学

背景情况:

• 在中国,中风对健康造成重大负担,现有研究表明农村和城市人口之间的风险差异.
• 在了解中风预测模型及其相关决定因素中的特定城乡差异方面存在差距.

研究的目的:

• 开发和比较中年和中国老年人的中风预测模型.
• 用机器学习算法研究中风风险因素的城乡差异.

主要方法:

• 利用来自2011年中国健康与退休长度研究 (CHARLS) 的9413名 (45岁以上) 个体的数据.
• 采用了九个机器学习算法,包括高斯的天真贝叶斯 (GNB),物流回归 (LR) 和随机森林.
• 对农村和城市人口进行了子组分析,以确定不同的预测因素.

主要成果:

• 高斯纳夫贝斯 (GNB) 在总人口中获得了最高的AUC (0.76). 关键预测因素包括身体功能测试 (椅子支架,平衡) 和生物标志物 (肌素,MCV).
• 在农村地区,GNB和LR (AUC=0.76) 的表现最好,其中"反复站椅所花费的时间"是关键因素.
• 在城市地区,LR (AUC=0.67) 是最佳的,其中"保持半并列平衡静态"和"尿酸"更为关键.

结论:

• 机器学习模型有效地预测中风风险,在农村和城市的中国人口中具有不同的重要决定因素.
• 身体功能指标,如椅子站立时间和平衡,是重要的中风预测指标,特别是在农村环境中.
• 调查结果强调,需要针对城市和农村不同风险概况,并强调身体功能,制定量身定制的中风预防策略.