韩国老年痴呆症的预测因素:可解释的机器学习分析

科学领域:

• 老年学是一门学科.
• 认知科学 认知科学
• 医疗保健中的机器学习

背景情况:

• 韩国面临着人口快速老龄化和痴呆症患病率上升的问题.
• 早期识别痴呆风险对于有效的预防策略至关重要.
• 痴呆风险受到不可修改 (年龄,性别) 和可修改因素 (生活方式,社会经济地位) 的影响.

研究的目的:

• 使用机器学习识别痴呆症的多维决定因素.
• 检查这些因素在人口和认知子组之间如何相互作用.
• 在老年人群中制定有针对性的,基于证据的痴呆症预防策略.

主要方法:

• 韩国老龄化纵向研究 (KLoSA) 数据 (2014-2020年) 的分析,共有4,958名参与者.
• 根据基线认知状态 (认知正常与轻度认知障碍),年龄和性别分层.
• 应用四种回归算法 (线性回归,随机森林,XGBoost,CatBoost) 和SHAP值来预测其重要性.

主要成果:

• 年龄和教育是最强的不可修改的预测因素.
• 关键可修改的预测因素包括口腔健康,抑郁症,收入,生活质量和日常生活工具活动 (IADL) 的表现.
• 预测者的重要性在认知状态,年龄和性别子组之间有显著差异.

结论:

• 机器学习揭示了各个不同子组的细微痴呆风险因素模式.
• 诸如口腔健康,抑郁症,社会参与和IADL表现等可修改因素是显著的.
• 基于这些发现的有针对性的干预措施可以帮助降低老年人群中痴呆风险.