在老年人中开发基于机器学习的风险预测模型,用于老年人中与脏缺陷综合征相关的轻度认知障碍
Ya-Ting Ai1, Shi Zhou2, Ming Wang3
1School of Nursing, Hubei University of Chinese Medicine, Wuhan 430065, Hubei Province, China; Hubei Shizhen Laboratory, Hubei University of Chinese Medicine, Wuhan 430061, Hubei Province, China; Engineering Research Center of TCM Protection Technology and New Product Development for the Elderly Brain Health, Ministry of Education, Hubei University of Chinese Medicine, Wuhan 430065, Hubei Province, China.
Journal of integrative medicine
|June 28, 2025
概括
机器学习模型可以预测老年人的-脏缺陷综合征 (MCI-SKDS) 轻度认知障碍. 决策树模型表现得最好,为社区环境中早期诊断提供了一个实用的工具.
科学领域:
- 老年学是一门学科.
- 神经科学是一个神经科学.
- 传统中国医药 传统中国医药
背景情况:
- 轻度认知障碍 (MCI) 患病率随着年龄的增长而增加,在社区环境中提出诊断挑战.
- -缺陷综合征 (SKDS) 是中国传统医学中最常见的MCI亚型.
- 迫切需要一种初步诊断工具来检测老年人的MCI-SKDS.
研究的目的:
- 开发和评估用于预测老年人MCI-SKDS的机器学习模型.
- 确定用于MCI-SKDS预测的关键指标.
- 评估开发模型的临床适用性.
主要方法:
- 312名患有MCI的老年人被随机分配到培训 (3:1) 和测试数据集中.
- 使用五种机器学习方法 (LR,DT,NB,SVM,GB) 来构建诊断模型.
- 用准确性,灵敏度,特异性,精度,F1分数,AUC和DCA来评估模型性能.
主要成果:
- 决策树 (DT) 模型在训练和测试集中表现最好 (例如,准确率为0.904/0.845).
- 支持矢量机 (SVM) 显示了最高的灵敏度 (0.865/0.821).
- 所有模型都实现了AUC> 0.9 (训练) 和> 0.8 (测试),通过DCA.具有良好的临床适用性. 确定了10个重要的预测因素.
结论:
- 用于MCI-SKDS的机器学习衍生风险预测模型简单,实用,并具有良好的预测价值.
- 该DT模型在MCI-SKDS预测方面表现出卓越的性能.
- 开发的模型显示,在社区居住的老年人中,早期检测具有显著的临床适用性.
