典型文献
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
文献摘要：
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.
文献关键词：
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
中图分类号：
作者姓名：
李彩福;赵伟;叶秀春;赵东丽;邹继华;董海娜;周英;许丽娟
作者机构：
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
文献出处：
引用格式：
[1]李彩福;赵伟;叶秀春;赵东丽;邹继华;董海娜;周英;许丽娟-.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)[J].护理学杂志,2022(15):84-88
A类：
B类：
基于机器学习,机器学习算法,社区老年,老年衰弱,衰弱前期,风险预测模型,预测模型构建,早期识别,高危人群,模组,受试者工作特征曲线,构建模型,预测效能,时间跨度,重要性排序,院史,运动量,多病共存,抑郁倾向,认知功能下降,文化程度,日常生活能力,多重用药,logistic,神经网络预测,反向传播神经网络模型,社区工作人员,预防跌倒,运动干预,慢病,认知干预,防老
AB值：
0.263441
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
