机器学习模型在社区老年人衰弱风险预测中应用效果的系统评价

Systematic evaluation of the application effect of machine learning models in the prediction of frailty risk of community-dwelling older adults

二维码有效期 120s

摘要目的系统评价机器学习模型在社区老年人衰弱风险预测中的应用效果.方法通过检索万方、中国生物医学文献数据库(CBM)、中国知网(CNKI)、PubMed、Web of Science、Embase数据库,搜集2024年7月之前发表的关于机器学习模型在社区老年人衰弱风险预测方面的研究.2名研究人员独立进行筛选文献、提取资料和评估偏倚风险工作,并对不同模型的预测准确度进行评价,同时比较受试者工作特征曲线下面积(AUC).结果共纳入13项研究.在数据来源上,所有研究均基于社区人群,其中4篇研究使用了开放数据库,7篇研究来自中国.共涉及20种不同的机器学习模型,使用最频繁的模型为随机森林(n=5),其次是支持向量机(n=4)和极限梯度提升(n=4).预测因子中出现频率最高的是年龄(n=11),其次为教育水平(n=7)、抑郁(n=5)和体育锻炼(n=5).其中4篇研究比较了机器学习模型和传统统计学模型的预测价值,2篇研究认为机器学习模型的AUC值高于传统模型,值得注意的是有2个研究持相反意见,认为逻辑回归的预测效能最高.1篇比较了不同机器学习模型的预测价值,研究认为随机森林预测性能最佳.结论机器学习模型在社区老年人衰弱风险预测中应用广泛,能准确地预测衰弱的发生发展,机器学习模型在特定情况对于衰弱的预测效能优于传统模型,但部分研究认为逻辑回归更具优势,未来需进一步验证其对衰弱的预测性能.