在评估老年人需要息护理时,识别脆弱的预测作用:机器学习算法的应用
Zahra Nejatifar1, Ahad Alizadeh2, Mohammad Amerzadeh3
1Student Research Committee, School of Health, Qazvin University of Medical Sciences, Qazvin, Iran.
Journal of health, population, and nutrition
|April 24, 2025
概括
机器学习有效地识别慢性阻塞性肺病 (COPD) 患者的脆弱性,预测息护理需求. 这种方法改善了早期识别和医疗保健资源分配,以获得更好的患者结果.
科学领域:
- 老年学是一门学科.
- 肺部病理学 肺部病理学
- 医疗信息学 医疗信息学
背景情况:
- 息治疗对于管理慢性阻塞性肺病 (COPD),改善生活质量和减少住院治疗至关重要.
- 早期识别COPD患者的脆弱性对于综合护理管理至关重要.
研究的目的:
- 开发和验证一种机器学习方法,用于早期识别COPD患者的脆弱性.
- 预测COPD患者的息护理需求.
主要方法:
- 使用五个问题检查清单 (BMI,疲劳,体力活动,步行速度,FEV1) 评估脆弱性.
- 使用了COPD患者的息护理需求评估工具.
- 应用各种机器学习算法,通过ROC曲线,灵敏度和特异性评估性能.
主要成果:
- 息治疗需求评估工具确定了74%的患者需要息治疗.
- 缓解护理需求的关键预测因素包括降低的BMI,疲劳,低体力活动,慢步行速度和FEV1.
- 一个超级学习模型在预测脆弱性和息护理需求方面取得了92%的准确性.
结论:
- 临床医生和数据科学家之间的合作对于利用临床数据来识别COPD患者的脆弱性至关重要.
- 准确预测息护理需求可以提高资源配置,医疗保健提供和患者的治疗结果.
