开发和多种模型的比较验证认知虚弱在老年人居住在养老院的老年人

科学领域:

• 老年学是指老年学的学科.
• 人工智能的人工智能
• 临床信息学 临床信息学

背景情况:

• 认知虚弱 (CF) 在养老院环境中对老年人构成重大挑战.
• 早期识别和干预对于管理CF和改善生活质量至关重要.

研究的目的:

• 开发和验证一个最佳的预测模型认知虚弱 (CF) 在养老院居民.
• 为养老院工作人员提供科学基础,以评估CF风险并实施预防策略.

主要方法:

• 招募了500名老年人用于建模队列和112人用于外部验证.
• 应用了五种机器学习算法:k-最近邻居 (KNN),支持向量机 (SVM),后勤回归 (LR),随机森林 (RF) 和极端梯度增强 (XGBoost).
• 使用ROC曲线,校准曲线,决策分析和分类指标评估模型性能;使用SHAP进行最佳模型解释.

主要成果:

• 500名居民中有132人 (26.4%) 患有认知障碍.
• 关键的预测特征包括日常生活活动 (ADL),智力活动频率和年龄.
• SVM模型取得了最高的预测性能 (AUC=0.932在测试数据上),得到了外部验证 (AUC=0.751).

结论:

• 机器学习,特别是SVM,有效地预测了养老院居民的认知脆弱风险.
• 这个模型可以帮助护理机构的工作人员识别高风险个体进行早期干预.
• 基于预测性CF风险评估的及时干预可以提高老年人的生活质量.