老年人功能障碍查:使用ELSI-巴西数据的机器学习方法

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:

• 老年人的功能障碍是一个日益严重的公共卫生问题.
• 早期发现和干预对于维持生活质量和降低医疗保健成本至关重要.

研究的目的:

• 调查,验证和应用机器学习 (ML) 算法来预测老年人的功能障碍.
• 确定功能障碍的多维风险指标.
• 了解影响功能残疾查的因素.

主要方法:

• 分析了ELSI-巴西研究 (2015-2016) 的4502名参与者的数据.
• 使用49个预测变量 (社会人口统计,健康,行为) 开发分类模型.
• 应用SMOTE,十倍交叉验证,贝叶斯优化和SHAP分析用于模型解释.

主要成果:

• 斜坡分类器模型表现出强大的性能 (ROC-AUC:0.785).
• 功能障碍的关键预测因素包括抑郁症状,对流动性的担忧以及自我评估的健康状况.
• 高负预测值 (84.5%) 表示有效的查.

结论:

• 与多维健康数据集成的ML技术为老年人功能障碍的早期查和干预提供了有希望的工具.
• 这种方法可以支持临床决策和健康政策,以促进积极健康的衰老.
• 识别心理健康和自我感知健康等关键风险因素对于有针对性的干预至关重要.