解放军医学院学报

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

关键词：衰弱, 机器学习, 人体成分, 预测模型, logistic回归

  背景  目前衰弱评估量表众多，多数指标难以客观定量。人体成分分析仪能快速获得与衰弱评估相关的定量数据，在大数据的挖掘与分析中机器学习具有一定的优势。  目的  建立基于人体成分数据的机器学习模型，评价其诊断预测衰弱的价值。  方法  2021年4 - 6月收集北京10个社区65岁以上老年人体检数据，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XGBoost模型，运用ROC曲线、敏感度和特异性等评价模型的预测效能。  结果  共纳入558例数据进行建模分析，其中衰弱前期122例，非衰弱436例。随机森林算法筛出年龄、50 kHz全身相位角、骨骼肌质量、体脂百分比等10个重要性靠前的特征，并据此建立四个预测模型。Logistic回归模型的整体预测效能最高，ROC曲线下面积达到0.872，敏感度和特异性分别为78.38%和80.15%，预测准确率为79.76%。另外三种模型的整体效能差异不大，预测准确率均超过75%。  结论  基于人体成分数据建立的logistic回归模型在预测老年人衰弱的效能上高于其他机器学习模型，且预测准确率较高，可用于衰弱的早期临床诊断。

来源：2022年第4期

《解放军医学院学报》期刊编辑部

查看解放军医学院学报杂志2022年第4期