在老年人群中发现与残疾相关的多病态模式:机器学习分析
Zhijun He1, Xingtong Pei1, Xiaofeng Li2
1School of Public Health (Shenzhen), Sun Yat-sen University, Shenzhen, China.
Geriatrics & gerontology international
|July 25, 2025
概括
特定疾病组合显著增加了老年人的残疾风险. 机器学习识别了诸如全身记忆症-关节炎和高血压-中风等模式,为老龄化人口提供了定制干预措施.
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:
- 多种疾病和残疾是老龄化人口面临的重大挑战.
- 了解特定的多病态模式对于有效的干预至关重要.
研究的目的:
- 在老年人中确定临床上显著的多病症模式.
- 评估这些模式对残疾水平的影响.
主要方法:
- 利用了来自60岁以上中国成年人的横截面调查数据.
- 采用机器学习 (自组织地图和K-means集群) 来识别模式.
- 应用有序后勤回归和3D表面建模用于分析和可视化.
主要成果:
- 确定了10种不同的多病态模式.
- 患有多种疾病的老年人面临更高的残疾风险 (OR=1.679).
- 失忆症-关节炎 (OR=3.976) 和高血压-中风 (OR=3.745) 模式显示残疾风险最高.
结论:
- 特定的多病症模式对老年人的残疾有很大影响.
- 机器学习为疾病组合和残疾提供了细微的见解.
- 量身定制的干预措施对于管理老龄化人口的多病症至关重要.
更多相关视频
08:51Author Spotlight: Integrated Multi-Omics Analysis for Unveiling Multicellular Immune Signatures in Clinical Heart Attack Cohorts
Published on: September 20, 2024
1.5K
12:18A Machine Learning Approach to Design an Efficient Selective Screening of Mild Cognitive Impairment
Published on: January 11, 2020
7.6K
