| 摘 要： | 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...
|
