老年患者的脆弱性:关于亚型识别的前性观察队列研究

科学领域:

• 老年学是一门学科.
• 临床医学 临床医学
• 计算生物学 计算生物学

背景情况:

• 脆弱性评估在初级保健中至关重要,但医院中脆弱患者的集群分析尚未得到充分研究.
• 识别不同的脆弱亚型可以优化患者的管理和结果.

研究的目的:

• 在医院环境中识别虚弱患者的潜在亚型.
• 开发一个简单的,临床上适用的模型,以改善脆弱性管理.
• 调查已识别的亚型之间的临床特征和存活率的差异.

主要方法:

• 在北京住院的214名虚弱患者 (65岁以上) 中应用K-means集群.
• 使用Elbow方法和Silhouette系数来确定最佳集群数.
• 使用LASSO回归,SVM-RFE和随机森林进行变量选择.
• 开发了一个后勤回归模型来预测脆弱子类型,使用引导重新抽样进行验证.

主要成果:

• 确定了两个不同的脆弱子组,在临床特征和生存率上有显著差异.
• 达到一年生存率为62.51%的第一类和47.51%的第二类.
• 预测模型表现出强的性能,曲线下面积 (AUC) 为0.88,验证为0.8707.

结论:

• 无监督机器学习成功地在住院老年人中识别了两个脆弱亚型.
• 这些亚型在生存结果中表现出显著的差异,突出显示了需要量身定制的临床方法的需要.
• 开发的模型提供了一种可靠的工具,用于加强脆弱性亚型的临床识别和管理.