使用SMOTE-TomekLink和机器学习来构建一个预测模型,以满足老年医疗和日常护理服务需求

科学领域:

• 老年学是一门学科.
• 医疗信息学 医疗信息学
• 机器学习 机器学习

背景情况:

• 准确预测老年人护理需求对于资源分配至关重要.
• 现有的模型可能无法完全捕捉影响服务需求的因素的复杂性.

研究的目的:

• 构建一个对老年医疗和日常护理服务需求的预测模型.
• 确定影响这种需求的关键因素.

主要方法:

• 对1291名老年人进行了一项调查.
• 使用SMOTE-TomekLink.Link来解决阶级不平衡问题.
• 随机森林,GBDT和LightGBM算法用于模型开发.

主要成果:

• 在预测医疗和日常护理服务需求方面,LightGBM表现优异 (AUC > 0.90).
• 发现的重要预测因素包括慢性疾病的数量,教育水平和财务来源.
• 这些模型使用与每个服务类型相关的关键特征进行了验证.

结论:

• 机器学习,特别是LightGBM,为预测老年护理服务需求提供了强大的方法.
• 了解健康状况和社会经济变量等影响因素对于有效的服务提供至关重要.
• 这项研究为开发和验证未来老年护理需求预测模型提供了宝贵的参考.