基于人体成分数据建立预测老年人衰弱的机器学习模型
作者:刘金炜; 徐率轩; 王芳; 马爽; 曹梦宇; 陈超; 徐创; 张倪惠; 康靖汶; 陈蔚; 彭楠
更新时间:
背景目前,存在许多薄弱环节评估量表,大多数指标难以客观量化。人体成分分析仪可以快速获得与弱点评估相关的定量数据,机器学习在大数据挖掘和分析方面具有一定优势。目的建立基于人体成分数据的机器学习模型,评价其在虚弱诊断和预测中的价值。方法收集2021 4-6月北京10个社区65岁以上老年人体检资料。以Fried衰弱表型量表作为衰弱诊断的金标准,筛选相关指标,建立随机森林、支持向量机、logistic回归和XG的Boost模型。模型的预测效率通过敏感性和特异性进行评估。结果共纳入558例患者进行建模和分析,其中122例为前衰弱患者,436例为非衰弱患者。随机森林算法筛选出年龄、50KHz全身相位角、骨骼肌质量和体脂百分比等10个重要特征,并在此基础上建立了四个预测模型。logistic回归模型的总体预测效率最高,ROC曲线下游地区达到0.872,敏感性和特异性分别为78.38%和80.15%,预测准确率为79.76%。三种模型的总体预测精度均小于75%。结论基于人体成分数据的logistic回归模型模型在预测老年人虚弱方面比其他机器学习模型更有效,预测精度高。它可用于虚弱的早期临床诊断。