基于机器学习算法的社区老年衰弱前期风险预测模型构建

作者：李彩福; 赵伟; 叶秀春; 赵东丽; 邹继华; 董海娜; 周英; 许丽娟^*

来源：护理学杂志, 2022, 37(15): 84-88.

• 社区
• 老年人
• 衰弱前期
• 危险因素
• 预测模型
• 机器学习算法
• 反向传播神经网络

目的 构建并验证社区老年衰弱前期风险预测模型，为早期识别社区老年衰弱前期高危人群提供参考。方法 筛选542名社区无衰弱和衰弱前期老年人作为建模组，运用反向传播神经网络机器学习算法构建衰弱前期预测模型；再筛选205名社区无衰弱和衰弱前期老年人作为验证组，利用受试者工作特征曲线对构建模型的预测效能进行时间跨度验证。结果 按照重要性排序，社区老年衰弱前期危险因素分别为年龄、住院史、跌倒史、运动量少、多病共存、抑郁倾向、认知功能下降、文化程度低、日常生活能力下降及多重用药。以logistic回归模型作为参考，反向传播神经网络预测效能佳，AUC为0.891,95%CI(0.846～0.918),灵敏度为0.858,特异度为0.782。结论 反向传播神经网络模型预测效能优于logistic回归模型，社区工作人员可通过预防跌倒、运动干预、慢病健康教育、抑郁及认知干预等预防老年衰弱前期的发生发展。

• 单位
  丽水学院; 丽水市人民医院