预测中国社区老年人的认知功能:一种监督机器学习方法
Xin Ye1, Xinfeng Wang2, Yu Wang3
1Institute for Global Public Policy, Fudan University, Shanghai 200433, China; LSE-Fudan Research Centre for Global Public Policy, Fudan University, Shanghai 200433, China.
Preventive medicine
|May 11, 2025
概括
在中国老年人中早期识别认知障碍是可能的,使用精确的预测模型. 这种工具有助于及时干预,并支持成功的认知衰老.
科学领域:
- 老年学是一门学科.
- 认知科学 认知科学
- 公共卫生 公共卫生
背景情况:
- 早期识别认知障碍对于及时干预和促进老年人健康的认知衰老至关重要.
- 开发具有最小输入变量的精确预测模型对于社区居民群体至关重要.
研究的目的:
- 开发准确的预测模型,用于当前和未来的认知功能在中国社区居住的老年人.
- 通过使用具有全国代表性的数据集来确定预测认知状态的关键特征.
主要方法:
- 利用来自中国健康和退休长度研究 (CHARLS) (2011-2020) 的13906名老年人 (60岁以上) 的数据.
- 采用渐变增强分类器 (GBC) 和渐变增强回归器 (GBR) 模型来预测当前和未来的认知功能.
- 选择了包括教育,社会参与和日常生活活动在内的十个特征,用于模型开发.
主要成果:
- 在GBC模型中,ROC曲线下的面积为0.832,用于对认知障碍进行分类.
- 对于连续认知功能的预测,GBR模型产生了3.356的根平均平方误差 (RMSE).
- 结合当前认知状态的模型在预测未来认知方面表现出卓越的表现.
结论:
- 在社区环境中开发了一种用于早期认知障碍识别的实用工具.
- 支持及时干预,以促进成功的认知衰老.
- 突出了机器学习模型在老年人认知健康评估中的有用性.


