不同机器学习算法的社区老年人认知衰弱风险预测模型比较

作者：周闯; 金学勤^*; 郭正丽; 马晓敏

来源：护理学杂志, 2023, 38(19): 1-11.

• 老年人
• 社区
• 认知衰弱
• 危险因素
• 预测模型
• 机器学习
• 随机森林算法

目的 基于不同机器学习算法构建社区老年人认知衰弱风险预测模型，优选最佳模型，为防范社区老年人认知衰弱提供适宜评估工具。方法 选取苏州市3个社区卫生服务中心体检的1 105名老年人，随机分为训练集773人和验证集332人。基于训练集单因素logistic回归分析结果，使用logistic回归、伯努利朴素贝叶斯、随机森林、极端梯度提升、K邻近算法和支持向量机6种机器学习算法构建6种认知衰弱风险预测模型，并在验证集中进行评价和比较。基于最优算法构建社区老年人认知衰弱评分表，并对评分表进行验证。结果 训练集单因素logistic回归分析共识别出13个危险因素，6种模型ROC曲线下面积0.824～0.889,敏感度0.721～0.849,特异度0.700～0.837,约登指数0.498～0.674;随机森林模型为最佳模型，基于此模型构建的老年人认知衰弱评分表得分范围0～180分，内、外部验证ROC曲线下面积为0.858、0.831,最佳截断值为75分。结论 基于随机森林算法建立的预测模型预测性能最好，基于logistic回归建立的模型效果最差。基于随机森林算法构建的社区老年人认知衰弱评分表可用于社区老年人认知衰弱的筛查。

• 出版日期2023
• 单位江苏大学