利用机器学习识别印度老年人群跌倒预测因素:来自 LASI 的重要发现

【字体: 时间:2025年03月18日 来源:BMC Geriatrics

编辑推荐:

  为探究老年人跌倒与抑郁的关联,研究人员用机器学习分析 LASI 数据,发现多因素影响跌倒,意义重大。

  在印度,随着老年人口快速增长,跌倒成为老年人面临的重大健康问题。它不仅是导致受伤相关死亡的主要原因之一,还使老年人活动受限,严重影响生活质量。据世界卫生组织报告,每年因跌倒损失超 3800 万伤残调整生命年(DALYs)。然而,目前关于老年人跌倒风险因素的研究有限,尤其是在印度,地区差异对跌倒风险因素的影响尚未得到充分探索。同时,抑郁在印度老年人群中较为普遍,且与跌倒之间可能存在密切联系,但具体情况仍不明确。为深入了解这些问题,来自国际人口科学研究所(孟买)等机构的研究人员开展了一项研究,相关成果发表在《BMC Geriatrics》杂志上。
研究人员使用印度纵向老龄化研究(Longitudinal Ageing Study in India,LASI)第一波调查的个体数据记录。该调查采用多阶段聚类抽样设计,涵盖 45 岁及以上个体及其配偶。研究人员运用条件推断树(Conditional Inference Trees,CIT)这一机器学习方法进行分析。为确保模型准确性,他们对数据进行平衡处理,并将其分为训练集和测试集,还对 CIT 模型的三个超参数(mtry、mincriterion、ntree)进行调优。

在研究结果部分,通过分析发现,约 10.8% 的老年人发生过跌倒事件。CIT 模型预测,区域是老年人跌倒的重要诱发因素。不同地区影响跌倒的因素存在差异,居住在印度东部和中部地区的老年人,健康和财富是继区域之后的重要影响因素;而在北部、南部和西部地区,若老年人患有慢性疾病且存在睡眠问题,抑郁则成为跌倒的重要影响因素;在没有慢性疾病且无睡眠问题的情况下,性别和区域是主要影响因素。同时,研究还发现,抑郁会使跌倒风险增加,患有抑郁的老年人跌倒事件比未患抑郁的老年人高出约 80%。此外,多发病、睡眠问题和性别也是跌倒的显著影响因素 。

研究结论和讨论部分指出,区域是影响印度老年人跌倒的最主要因素,不同地区跌倒风险因素的差异与地理区域所包含的饮食、气候、地形、医疗资源可及性和生活方式等多种因素有关。睡眠障碍也是影响跌倒的因素之一,但在不同地区的影响存在差异,低质量睡眠影响老年人的身体和心理健康,导致认知功能下降,增加跌倒风险。抑郁在睡眠障碍存在的情况下,是跌倒的重要加重因素,而非单一的影响因素。性别对老年人跌倒也有影响,但相对其他因素作用较弱。这些发现为预防老年人跌倒提供了重要依据,有助于制定针对性的公共卫生干预措施和临床实践方案,如开展有针对性的筛查项目,关注老年人心理健康,尤其是抑郁问题,同时考虑不同地区的特点制定个性化的预防策略。不过,该研究也存在一定局限性,如仅使用了 CIT 这一种机器学习技术,可能影响研究结果的普遍性,且未深入探究地区差异的根本原因。未来研究可探索更多机器学习方法,纳入更广泛的风险因素,进一步深入分析各因素之间的关系及作用机制。
相关新闻
生物通微信公众号
微信
新浪微博
  • 急聘职位
  • 高薪职位

知名企业招聘

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号