用于预测低尾质量指数的人类测量方法用于诊断萨尔科佩尼亚:机器学习模型
Ana M González-Martin1, Edgar Samid Limón-Villegas1, Zyanya Reyes-Castillo1
1Instituto de Investigaciones en Comportamiento Alimentario y Nutrición (IICAN), Universidad de Guadalajara, Ciudad Guzmán 49000, Jalisco, Mexico.
Journal of functional morphology and kinesiology
|July 23, 2025
概括
使用简单身体测量的机器学习模型可以准确地预测老年人低尾瘦质量指数 (ALMI),有助于在DXA无法使用的情况下诊断尾症.
科学领域:
- 老年学是一门学科.
- 生物医学工程 生物医学工程
- 数据科学数据科学数据科学
背景情况:
- 肉症是一种进展性肌肉疾病,严重影响老年人的行动能力和生活质量.
- 双能X射线吸收计 (DXA) 是尾质量指数 (ALMI) 评估的黄金标准,但面临着可访问性和成本障碍.
- 开发替代性,可访问的方法来查萨科佩尼亚对于早期干预至关重要.
研究的目的:
- 开发和评估机器学习模型,使用人类测量来预测低ALMI.
- 在老年人中确定低ALMI的关键人体测量预测因子.
- 提供一种具有成本效益和可访问的替代品,用于 Sarcopenia 查.
主要方法:
- 进行了一项涉及183名墨西哥成年人 (≥60岁) 的横截面研究.
- 尾质量指数 (ALMI) 通过DXA进行测量,以按照ISAK协议收集的人类测量数据.
- 机器学习模型包括后勤回归,决策树,随机森林,人工神经网络和LASSO回归被使用和评估.
主要成果:
- ALMI与身体质量指数 (BMI),纠正的小腿周长和放松的手臂周长有很强的相关性.
- 决策树 (DT) 在女性中表现最好 (AUC=0.84),而人工神经网络 (ANN) 在男性中表现最好 (AUC=0.92).
- 主要预测因性别而异:女性的BMI和小腿周长,男性的手臂周长.
结论:
- 人类测量数据与机器学习相结合,提供了一种准确且低成本的方法来识别低ALMI.
- 这种方法可以显著提高在资源有限的临床环境中对 Sarcopenia 查的可访问性.
- 这项研究强调了利用现有的测量方法来诊断诸如肉症等疾病的潜力.
