基于机器学习的在线网络计算器预测了老年人患上形肥胖的风险

科学领域:

• 老年学是一门学科.
• 公共卫生 公共卫生
• 生物统计学 生物统计学

背景情况:

• 肥胖症 (SO) 带来了双重的健康负担,比肥胖或肥胖症单独增加的风险更大.
• 肥胖的流行率上升与人口老龄化和肥胖流行病有关.
• 目前,没有有效的工具可以预测SO风险.

研究的目的:

• 开发和验证一种基于机器学习的预测工具,用于对sarcopenic肥胖风险进行预测.
• 通过使用先进的算法来识别SO的关键预测因素.
• 创建一个临床上适用的风险评估工具.

主要方法:

• 使用了1999-2004年国家健康和营养检查调查 (NHANES) 数据集.
• 采用了70:30列车验证分割和多次归算缺失的数据.
• 开发和评估了六个机器学习模型 (CART,GBM,KNN,LR,NNet,XGBoost) 使用递归特征消除和交叉验证.

主要成果:

• 这项研究包括5607名参与者,SO的患病率为20.3%.
• 梯度增强机 (GBM) 模型表现出卓越的性能,利用年龄,种族和BMI.
• 在GBM模型中,AUC值达到0.820 (训练) 和0.832 (验证),校准和稳定性良好.

结论:

• 基于GBM的模型有效地预测了美国社区的SO风险.
• 从表现最好的模型开发了一个在线网络计算器,用于实际的临床使用.
• 这种工具有助于识别60岁以上的患有形肥胖风险的人.