通过深度学习模型,检查老年人社会参与的情况,接受脆弱健康检查
Yoshiharu Yokokawa1, Keisuke Nakamura1, Tomohiro Sasaki2
1School of Health Sciences, Faculty of Medicine, Shinshu University, Matsumoto 390-8621, Japan.
Geriatrics (Basel, Switzerland)
|September 22, 2025
概括
机器学习模型对接受脆弱性查的老年人中适度预测社会参与. 信息收集能力,步行速度和同居者数量是关键预测因素,深度神经网络提供平衡的性能.
科学领域:
- 老年学是一门学科.
- 人工智能的人工智能
- 公共卫生 公共卫生
背景情况:
- 社会参与对于老年人的福祉至关重要,但往往受到脆弱的限制.
- 虚弱健康检查提供了一个机会,以识别个人在减少社会参与的风险.
研究的目的:
- 使用机器学习 (ML) 模型预测老年人的社会参与.
- 通过深度神经网络 (DNN) 分析,确定社会参与的关键预测因素.
主要方法:
- 使用后勤回归 (LR),非线性支向量机 (NLSVM) 和DNN模型.
- 评估模型使用精度,准确性,灵敏度,特异性,F1得分和曲线下的面积 (AUC).
- 分析了295名老年人的18个属性,包括人口,身体,认知和社会因素.
主要成果:
- ML模型显示了中度的区分性能 (AUC 0.776-0.795).
- 深度神经网络 (DNN) 提供了最平衡的性能,在灵敏度方面表现出色.
- 信息收集能力,步行速度和同居者数量是重要的预测因素.
结论:
- 机器学习模型可以在脆弱性选的老年人中适度预测社会参与.
- 模型选择应与特定的社区健康查目标保持一致.
- 收集信息的能力是影响这一人口群体社会参与的关键因素.
更多相关视频
11:21Methodology for Establishing a Community-Wide Life Laboratory for Capturing Unobtrusive and Continuous Remote Activity and Health Data
Published on: July 27, 2018
8.6K
04:00Author Spotlight: Assessing Surgical Frailty with Point-of-Care Ultrasound of Quadriceps Muscles
Published on: July 26, 2024
1.2K
