相关实验视频
Updated: Jan 9, 2026
03:52
The Creation of a Rat Model for Osteosarcopenia via Ovariectomy
Published on: February 21, 2025
1.0K
在社区居住的老年人中开发可能的萨尔科佩尼亚预测模型:使用韩国脆弱性和衰老队列研究的横截面机器学习方法
Sooyoung Kwon1, Layoung Kim2, Chang Won Won3
1College of Nursing, Yonsei University, Seoul, Republic of Korea.
BMC geriatrics
|December 1, 2025
概括
这项研究开发了一种机器学习模型,使用BMI和步行辅助器使用等关键指标来预测老年人可能出现的肉症. 通过简单的评估及早识别可以改善与年龄相关的肌肉衰退的预防策略.
科学领域:
- 老年学是一门学科.
- 生物医学工程 生物医学工程
- 公共卫生 公共卫生
背景情况:
- 肌肉质量和功能与年龄相关的下降,是老年人肌肉脆弱的重要危险因素.
- 早期发现和预防对于改善老年人健康状况和生活质量至关重要.
- 在预测模型中存在一个差距,用于在社区环境中识别患有肉症风险的个体.
研究的目的:
- 在社区生活的老年人中开发和验证可能的肉症的预测模型.
- 确定可以促进早期查和诊断肉类的关键预测因子.
- 加强早期预防和治疗肉类的方法.
主要方法:
- 监督机器学习方法应用于韩国脆弱性和衰老队列研究 (n=1,761) 的数据.
- 四个模型 (逻辑回归,随机森林,SVM,XGBoost) 被开发和评估使用性能指标,如准确性,精度,回忆,F1得分和AUC.
- 用Shapley的附加解释来分析模型可解释性的特征重要性.
主要成果:
- 后勤回归实现了最好的预测性能,回忆率为0.700和F1得分为0.654.
- 可能发生的肉症最重要的预测因素包括下肢体质量指数,使用行走辅助工具,认知障碍,年龄较大和疲劳.
- 研究样本包括500名可能患有肉症的个人和1,261名没有.
结论:
- 多领域的老年病症指标,如人体状况,行走辅助器的使用,认知功能,年龄和疲劳,对于社区基础的 Sarcopenia 查非常有价值.
- 对这些预测因素的简单和可访问的评估可以帮助更早地识别和转诊风险人群.
- 这些发现支持将这些指标纳入皮病查和预防策略.
