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

来源：护理学杂志2022年第15期北京时间：

作者：李彩福，赵伟，叶秀春，赵东丽，邹继华，董海娜，周英，许丽娟

单位：丽水学院医学院（浙江 丽水，323000）,,丽水市人民医院药剂科,,丽水市莲都区白云街道社区卫生服务中心,,丽水市水东卫生院,,丽水学院医学院（浙江 丽水，323000）,,丽水学院医学院（浙江 丽水，323000）,,丽水学院医学院（浙江 丽水，323000）,,丽水学院医学院（浙江 丽水，323000）,

摘要：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。

关键词：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

基金资助：国家自然科学基金项目（71904073）；浙江省自然科学基金项目（LY19G030001）；浙江省医药卫生科技计划项目（2021KY418）