基于机器学习算法,在无症状老年人群中构建骨质疏松症的临床预测模型

科学领域:

• 老年学是指老年学的学科.
• 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:

• 骨质疏松症是一种流行的代谢性骨病,严重影响患者的生活质量.
• 准确的骨质疏松症预测模型对于改善老年人临床诊断和治疗至关重要.

研究的目的:

• 开发和验证一个强大的机器学习模型来预测骨质疏松症.
• 提高老年人群骨质疏松症诊断的准确性和效率.

主要方法:

• 使用机器学习 (ML) 和SHAP技术开发和验证了一个预测模型.
• 从10个ML算法评估了135个模型,重点是预测性能指标.
• 利用来自北京的老年参与者的数据 (2021年6月至2022年5月).

主要成果:

• 该KNN+RF组合算法显示出优异的预测性能.
• 关键指标包括灵敏度 (0.7500),特异性 (0.6634),AUC (0.904) 和布赖尔评分 (0.1601).
• 为骨质疏松症诊断创建了一个闪亮的网络应用程序,显示了临床实用性.

结论:

• 开发的骨质疏松症预测模型是可概括的,有助于医生进行高效的查.
• 促进快速检测和诊断,从而改善治疗策略.
• 提高患有骨质疏松症风险的老年人护理质量.