基于声学特征,开发和验证老年人查功能障碍症的查模型
Hongdan Song1, Dan Li1, Tao Liu1
1School of Nursing, Peking University, Beijing, China.
Frontiers in medicine
|December 25, 2025
概括
一个自动化的机器学习模型有效地使用声学特征选老年人是否有失调风险. 这种工具有助于早期检测和干预,改善患者的治疗结果.
科学领域:
- 老年学是指老年学的学科.
- 生物医学工程 生物医学工程
- 医疗保健中的机器学习
背景情况:
- 缺食症是老年人群中常见且严重的疾病.
- 目前用于食障碍的查方法缺乏可扩展性.
- 需要自动化工具来识别患有失消症风险的老年人.
研究的目的:
- 开发和验证一个自动化的机器学习模型,用于选老年人食障碍风险.
- 为了利用声音,咳和吞的声学特征进行食障碍风险评估.
- 创建一个可扩展的工具,用于在老年人群中早期检测食障碍.
主要方法:
- 该研究遵循了TRIPOD的指导方针,涉及变量选,模型构建和评估.
- 从养老院的老年参与者收集的音频数据 (声音,咳,吞).
- 通过LASSO回归确定了关键特征;构建和评估了后勤回归,随机森林,SVM和XGBoost模型.
主要成果:
- XGBoost模型在内部验证中获得了0.86的AUC,在外部验证中达到0.71的AUC.
- 该模型表现出良好的区分,校准和临床实用性.
- 声学特征有效地预测了老年人缺食症风险.
结论:
- 一个基于声学特征的XGBoost模型提供了一种有效的,自动化的方法,用于选老年人是否有食障碍的风险.
- 该工具可以帮助医疗保健专业人员识别有风险的个体,以便及时进行干预.
- 这种模式所促进的早期干预有可能改善老年人的临床结果.
