在意大利严重肥胖的老年人中识别形肥胖的关键预测因素:深度学习方法
Leticia Martins Cândido1, Jun-Hyun Bae2, Dae Young Kim3
1Graduate Program in Public Health, Federal University of Santa Catarina, Florianópolis 88040-900, SC, Brazil.
Journal of clinical medicine
|May 14, 2025
概括
在老年人中,sarcopenic肥胖症 (SO) 是通过握手强度,肌肉质量和物理测试来预测的. 深度学习模型对早期SO检测和严重肥胖的风险评估充满希望.
科学领域:
- 老年学是一门学科.
- 肥胖问题研究研究
- 生物医学工程 生物医学工程
背景情况:
- 肥胖症 (SO) 是老年人严重的健康状况,增加死亡风险.
- 特别是在严重肥胖症中,SO的预测因素需要进一步澄清.
- 早期识别SO对于有效的干预和管理至关重要.
研究的目的:
- 在意大利的严重肥胖的老年人中,识别形肥胖 (SO) 的独立预测因子.
- 为了利用深度学习神经网络进行SO预测.
- 加强SO的早期检测和风险评估.
主要方法:
- 一项涉及住院的严重肥胖的老年人的横截面研究.
- 基于2022年ESPEN/EASO标准的SO定义,评估骨肌功能 (5-SST) 和身体组成 (DXA).
- 开发和验证了一个深度学习模型,使用分层的5倍交叉验证,分析了42个变量.
主要成果:
- 发现的关键预测因素包括手握强度 (HGS),尾肌肉质量 (ALM) 和身体功能测试 (5-SST,30s-SST,6m-WT).
- 腰围 (WC) 也显示出与SO的中等相关性.
- 深度学习模型实现了72%的准确性,83%的精度,AUC为0.9333.
结论:
- HGS,ALM,5-SST,30s-SST,6m-WT和WC是早期SO检测的重要预测因素.
- 深度学习显示了改善SO诊断,风险分层和严重肥胖的老年人临床决策的潜力.
- 这些发现支持制定针对SO的有针对性的预防策略.
