智能预测性风险评估和慢性疾病患者的萨尔科佩尼亚的管理,使用机器学习和基于网络的工具
Ke Rong1, Gu Li Jiang Yi Ke Ran2, Changgui Zhou1
1Department of Pulmonary and Critical Care Medicine, Yongchuan Hospital of Chongqing Medical University, Chongqing, China.
European journal of medical research
|April 29, 2025
概括
这项研究开发了一种机器学习模型,利用六个关键变量预测慢性疾病患者的肉症风险. 为早期检测和干预创建了一个在线工具.
科学领域:
- 老年学是指老年学的学科.
- 生物医学信息学 生物医学信息学
- 流行病学 流行病学
背景情况:
- 慢性疾病增加了sarcopenia的风险,需要精确的预测预防.
- 纵向数据分析对于了解疾病进展和开发预测模型至关重要.
- 早期预警系统和干预措施对于管理高风险人群中肉症至关重要.
研究的目的:
- 开发一种风险评分模型,用于预测慢性疾病患者在3-5年内患上皮症的概率.
- 为了实现早期检测和干预策略,预防萨科佩尼亚.
- 创建一个用于临床决策的实用工具.
主要方法:
- 利用来自全国调查 (2011-2016) 的纵向数据,包括2891名患有慢性疾病的成年人.
- 采用多层感知器 (MLP) 和递归特征消除 (RFE) 算法用于模型开发和优化.
- 根据亚洲肉病工作组 (AWGS) 2019年指南评估肉病.
主要成果:
- 该MLP模型实现了高预测性能 (ROC AUC 0.912).
- 确定的主要预测因素包括体重,年龄,BMI,身高,总胆固醇和性别.
- 使用六个变量的优化模型显示ROC AUC大约为0.9.9.
结论:
- 开发了一种有效的MLP机器学习模型,用于预测慢性疾病患者的肉症风险.
- 确定了六个易于访问的变量,用于准确的风险评估.
- 创建了一个用户友好的在线应用工具,以支持临床实践和患者管理.
