在老年人中识别根的风险组和分析相关因素,使用无监督机器学习集群
Linxin Jiang1,2, Shaohong Huang1, Daniel R Reissmann2
1Stomatological Hospital, School of Stomatology, Southern Medical University, Guangzhou, Guangdong, People's Republic of China.
Clinical interventions in aging
|April 29, 2025
概括
无监督机器学习确定了老年人根的高风险群体. 诸如老年,口腔健康状况不佳和异口症等因素与风险增加有关.
科学领域:
- 老年人牙科 老年人牙科
- 口腔卫生流行病学 口腔卫生流行病学
- 医疗保健中的机器学习
背景情况:
- 根是一种严重的口腔健康问题,特别是在老年人中.
- 识别高风险个体对于有针对性的预防策略至关重要.
- 无监督机器学习为风险分层提供了新的方法.
研究的目的:
- 通过无监督机器学习,识别根的高风险群体.
- 探索与65-74岁成年人根风险相关的因素.
- 为个人预防和管理根提供信息.
主要方法:
- 这是一项对423名65-74岁的成年人进行的横截面研究.
- 使用K-原型聚类来识别根腐烂风险集群.
- 二元物流回归和随机森林模型分析了相关因素.
主要成果:
- 确定了两个群体:低风险 (21.5%) 和高风险 (83.7%的根的流行率).
- 聚类实现了0.81准确度,0.79灵敏度和0.83特异性.
- 年龄较大,女性性别,牙周问题,全身性疾病,牙缺口和牙脱落与高风险有关.
结论:
- 具有特定的人口,口腔和全身健康状况的老年人患根的风险更高.
- 机器学习驱动的洞察力促进了个性化的根预防.
- 优化口腔卫生和健康知识可以减轻根的风险.
