基于机器学习的宁夏地区老年人生物学年龄研究

作者：张俭; 张婕; 申勐韬; 李小龙; 赵瑜; 李锋^*

来源：现代预防医学, 2023, 50(01): 6-32.

DOI：10.20043/j.cnki.MPM.202206210

• 机器学习
• 随机森林
• 生物学年龄
• 重要性

目的 生物学年龄(Biological age, BA)可以更有效的判断个体真正的衰老状态，精准预测BA有助于为老年个体早期制定有针对性的预防措施，目前关于老年人分亚群对生物学年龄与生化指标相关性研究较少。利用机器学习算法计算宁夏地区老年人的生物学年龄，并识别相关生物化学指标分亚群进行分析。方法 纳入2020年宁夏地区老年人健康体检者共4 060名作为研究对象，采集空腹静脉血、尿液检测生物化学指标，利用随机森林(Random Forest, RF)算法筛选与BA相关的生物学指标，计算生物学年龄，并对RF算法的预测精度进行评估。结果 在老年人的不同亚群(低龄、中龄、高龄)中，各年龄段生物学指标在生物学年龄的重要性各有不。研究采用平均绝对误差(Mean Absolute Error,MAE)、均方根误差(Root Mean Square Error,RMSE)、相关系数(Coefficient of association,R2)进行模型的效能评估。结论 利用随机森林计算老年人生物学年龄并分析相关指标，可以更加精准定位老年人中高危人群及对健康老龄化有一定的指导。

• 单位
  第二临床医学院; 宁夏医科大学; 宁夏医科大学总医院