文章介紹
衰弱是一種常見於老年人的臨床狀況，容易導致健康惡化，增加住院、跌倒及死亡風險。周吟怡醫師團隊想知道，如何利用機器學習技術，及早發現住院老年人的衰弱情況，並及早介入治療來減少後續醫療負擔。
周醫師團隊納入 3367 位 65 歲以上住院病患的資料，包括血液檢查、診斷代碼、住院次數等 21 項指標。他們運用了四種不同的機器學習模型，包括邏輯回歸、隨機森林、XGBoost 及支援向量機（SVM），來預測衰弱風險，結果發現 SVM 模型的表現最佳，準確率達 73.15%。
研究還發現，「年齡」是預測衰弱最重要的因素，其次是血紅素濃度、是否使用導尿管等。大約 78 歲以上、血尿素氮高於 47、血紅素低於 12、腎功能不佳等，都與較高的衰弱風險有關。
周醫師團隊認為，預測模型的優點是使用簡單易得的臨床資料，醫院很容易導入使用。可以幫助醫護人員在病人入院時，就識別出高風險族群，及早給予適當的照護和介入。
恭喜周醫師！
Linear regression 與 logistic regression 的差別在哪裡？先想一下，再往下對答案！
最新活動
期刊介紹
BMC Medical Informatics and Decision Making 創刊於 2001。2023 年 impact factor 為 3.3，在 Medical Informatics 領域排名為 Q2(19/44) 期刊。
周吟怡醫師與新思惟
- 周吟怡醫師所參加的《醫學論文與寫作工作坊》第六梯次
- [快訊] 周吟怡醫師之 research article，獲 PLOS ONE刊登！
- [快訊] 周吟怡醫師團隊，評估骨質疏鬆肌少症與社區老年族群的失能、營養和認知關聯之研究，獲 BMC Geriatrics刊登！
- [快訊] 周吟怡醫師團隊，研究性別與衰弱狀態、多藥治療、抗膽鹼藥物負擔及五年死亡風險之研究，獲PeerJ 刊登！
最新活動
