基于社区居住的老年人生物电阻的神经网络方法来预测肉症

科学领域:

• 老年学是一门学科.
• 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:

• 萨科佩尼亚是一种老年病症,对健康构成重大风险.
• 早期发现肉类是及时干预的关键.
• 生物电阻分析 (BIA) 提供了一种非侵入性方法来评估身体成分.

研究的目的:

• 开发和验证一个神经网络模型来预测萨科佩尼亚.
• 为了评估BIA原始数据在萨尔科佩尼亚预测中的准确性.
• 探索人工智能的潜力,以增强肉症查.

主要方法:

• 研究了727名居住在社区的老年人 (65-85岁) 的队列.
• Sarcopenia 的诊断是根据亚洲 Sarcopenia 2019 工作组的标准进行的.
• 一个神经网络模型被训练在原始BIA参数 (阻抗,反应电阻,在各种频率的电阻) 和人体测量.

主要成果:

• 神经网络模型实现了对萨尔科佩尼亚的高预测准确性.
• 特定的BIA频率 (例如5,50,250kHz) 显示出优异的预测性能.
• 该模型显示了高灵敏度 (高达1.00) 和特异性 (高达0.91) 在识别sarcopenia.

结论:

• 将神经网络应用于BIA原始数据,可以非常准确地预测肉症.
• 这种人工智能驱动的方法提供了一种有希望的,准确的,可扩展的查方法来诊断.
• 该方法适用于各种环境,从诊所到社区卫生计划.