基于机器学习的系统的开发和外部验证,用于预测多种疾病的老年人4年内发生的肉症:来自两个前性队列的结果

科学领域:

• 老年学是指老年学的学科.
• 生物统计学 生物统计学
• 医疗保健中的机器学习

背景情况:

• 麻症是老年人多病症的一个重大问题,但其危险因素尚未确定.
• 现有的查工具缺乏敏感性和动态风险评估能力.
• 需要改进的方法来预测这种人群中的肉病发病率.

研究的目的:

• 开发和验证基于机器学习 (ML) 的预测系统.
• 为了估计老年人多发病症的4年发生的萨科佩尼亚风险.
• 为了解决目前的肉症查工具的局限性.

主要方法:

• 利用来自中国健康与退休长度研究 (CHARLS) 的1430名多病症老年人的数据进行培训和测试.
• 使用来自健康和退休研究 (HRS) 的1715名参与者进行了外部验证.
• 通过LASSO回归选择了10个关键预测因素,并评估了8个ML模型,使用SHapley添加式扩展 (SHAP) 进行解释性.

主要成果:

• 随机森林模型表现出卓越的性能,ROC-AUC为0.952,精度为0.861.
• 确定的主要危险因素包括BMI (外界22.47-34.33公斤/米2) 和年龄 (>66.89岁).
• 日常生活活动受损,抑郁症状和女性性别增加了风险;饮酒和婚姻是保护性的.

结论:

• 开发的ML系统提供了准确,可解释和动态的肉类风险评估.
• 该系统解决了目前查的局限性,并有可能实现个性化的临床决策.
• 建议进一步验证以提高临床适用性.