为阿尔茨海默病风险较高的老年人开发一个公平的基于机器学习的音乐干预:算法开发和验证协议

科学领域:

• 老年学是一门学科.
• 数字健康数字健康
• 人工智能的人工智能

背景情况:

• 阿尔茨海默病 (AD) 带来了重大的公共卫生挑战,需要采取公平的干预措施,针对抑郁症等生活方式因素.
• 对文化敏感的数字健康干预对于吸引农村老年人至关重要,他们面临着独特的障碍和AD风险增加.
• 根据农村文化和需求调整干预措施对于改善阿尔茨海默病预防的可访问性和遵守性至关重要.

研究的目的:

• 开发个性化治疗音乐的智能推系统,以吸引农村老年人患阿尔茨海默病 (AD) 风险.
• 为农村老年人创造文化包容的用户人格,以了解他们对基于音乐的数字健康干预措施的需求.
• 构建机器学习 (ML) 模型,识别最佳的音乐组件,以在这个人口群体中实现参与和情感共,针对抑郁症.

主要方法:

• 在美国招募了1200名55岁以上的参与者,进行了两阶段的研究.
• 第1阶段 (n=1000):随机选择歌曲,对情绪,文化相关性和感知益处进行Likert调查.
• 第二阶段 (n=200):使用第一阶段数据开发了ML算法,将其集成到数字干预中,并评估了推的准确性和用户接受度 (目标为85%).

主要成果:

• 截至2025年6月,两个阶段的参与者招聘已经完成.
• 目前正在对所有目标进行数据分析.
• 预计结果将在2025年秋季公布.

结论:

• 该协议利用机器学习 (ML) 来提高阿尔茨海默病 (AD) 数字生活方式干预措施的公平性和可访问性.
• 这种方法旨在提供个性化的音乐治疗,改善农村老年人患AD风险的参与和坚持.