基于机器学习算法构建多病共存老年人轻度认知功能障碍预测模型
张雷
胡鑫涛
陈巍
相璇
邹婷
苗海军
吴瑞凯
周晓辉
新疆医科大学第一附属医院老年医学科(乌鲁木齐 830011)
摘要：目的 探讨多病共存住院老年人轻度认知功能障碍(mild cognitive impairment,MCI)的影响因素,并基于机器学习(machine learing,ML)方法构建多病共存住院老年人MCI风险预测模型.方法 以新疆医科大学第一附属医院多病共存住院老年人为研究对象,使用单因素分析和最小绝对值收缩和选择算子回归算法筛选MCI风险因素,使用随机森林、轻量梯度提升机、极端梯度提升、逻辑回归、K最近邻分类算法、支持向量机、人工神经网络、决策树、弹性网络回归算法9种不同的ML方法构建MCI风险预测模型,并采用SHAP算法对最终模型进行解释.结果 共纳入920例多病共存住院老年人,MCI组261例.随机森林模型的预测性能最优,其受试者工作特征曲线的曲线下面积均高于其他模型.SHAP算法对随机森林模型进行分析,显示年龄、共病数量、文化程度、脑血管病是预测多病共存住院老年人MCI发生的关键决策因素.校准曲线表明该模型预测效果和实际结果基本一致,决策曲线表明模型具有良好的临床适用性.结论 高龄、共病数量增加、患有脑血管病是多病共存住院老年人发生MCI的危险因素,高文化水平是多病共存住院老年人MCI发生的保护因素.基于随机森林算法的MCI发生风险的预测模型表现最优,具有良好的预测性能及临床适用性,可辅助临床对多病共存老人年进行认知管理和更精准的医疗干预.
关键词：轻度认知功能障碍多病共存机器学习预测模型Shapley加法解释算法
分类号：R592(全身性疾病)R749.1+6(精神病学)
资助基金：新疆维吾尔自治区自然科学基金重点项目(2022D01D63)
论文发表日期：2025-04-25
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：10( 409-418 )
英文信息