穿戴式传感器对老年人死亡风险的预测性能:一个模型开发和验证研究
Charlie Harper1, Adam D Sturge1,2, Shing Chan1,2
1Nuffield Department of Population Health, University of Oxford, UK.
medRxiv : the preprint server for health sciences
|June 26, 2025
概括
设备测量的每日步数和步行节奏适度地改善了传统因素之外的死亡风险预测. 可穿戴数据提供了增强的风险分层,特别是对于具有先前存在条件的个人.
科学领域:
- 生物医学数据科学是生物医学数据科学.
- 流行病学 流行病学
- 在健康领域的可穿戴技术.
背景情况:
- 高收入国家的许多成年人使用测量身体活动的设备.
- 公共卫生需要确定这些数据是否可以预测未来的健康结果.
- 这项研究调查了每日步数和步行节奏是否可以改善死亡率的预测.
研究的目的:
- 评估设备测量的身体活动 (每日步骤,步行节奏) 在预测全因死亡率方面的附加值.
- 为了比较带有和没有加速度计数据的预测模型.
- 在外部队列中验证发现.
主要方法:
- 使用英国生物银行加速仪数据开发了风险模型,并在NHANES中进行了外部验证.
- 从手腕加速度计数据中使用机器学习推导出每日步数和步行节奏.
- 利用考克斯模型,用C指数和净重新分类指数 (NRI) 评估绩效.
主要成果:
- 在英国生物库中,添加加速度计数据轻微改善了死亡风险预测 (C指数增加:0.008,NRI:3.3%).
- 患有先前疾病的参与者出现了最大的改善 (C指数增加:0.028,NRI:5.9%).
- 在NHANES的外部验证证实了类似的改善 (C指数增加:0.015,NRI:4.0%).
结论:
- 设备测量的每日步数和步行节奏可以比传统因素更好地预测死亡风险.
- 可穿戴数据增强了风险分层,特别是在具有先前疾病的高风险个体中.
- 整合可穿戴数据为有针对性的健康干预提供了有价值的见解.
