使用生态瞬间评估和动图:机器学习方法,探索与前期痴呆阶段老年人社会隔离相关的因素
Bada Kang1,2, Min Kyung Park1, Jennifer Ivy Kim1
1Mo-Im Kim Nursing Research Institute, Yonsei University College of Nursing, Seoul, Republic of Korea.
Journal of medical Internet research
|June 23, 2025
概括
机器学习模型确定了身体运动是社会互动的关键,睡眠质量是痴呆风险较高的老年人孤独的关键. 这些发现有助于通过早期检测社会隔离因素来预防认知衰退.
科学领域:
- 老年学是一门学科.
- 人工智能的人工智能
- 认知科学 认知科学
背景情况:
- 痴呆症在全球范围内构成越来越大的经济负担.
- 社会孤立和孤独是痴呆症的重要风险因素,并对认知功能产生负面影响.
- 识别先发性痴呆阶段 (主观认知衰退,轻度认知障碍) 的因素对于干预至关重要.
研究的目的:
- 开发和验证机器学习模型,以识别与社交互动频率相关的因素.
- 探索与老年人的孤独程度相关的因素,在先发性痴呆阶段.
主要方法:
- 利用移动生态瞬间评估和可穿戴动态图数据从99个社区居住的老年人 (65岁以上) 在先发性病阶段.
- 评估了社交互动频率和孤独感,每天4次,持续2周.
- 使用后勤回归,随机森林,梯度增强机和极端梯度增强模型.
主要成果:
- 随机森林模型最好地确定了低社交互动频率的因素 (准确率为0.849).
- 渐变增强机模型最好地确定了高孤独水平的因素 (准确率为0.838).
- 身体运动与社会互动有关;睡眠质量与孤独有关.
结论:
- 机器学习模型可以有效地检测患有先发性痴呆症的老年人的社会隔离风险.
- 身体运动和睡眠质量成为影响社会互动和孤独的关键因素.
- 这种方法可以帮助预防高风险老年人的认知和身体衰退.
