
文章介紹
預測老年人出院時的身體功能對於後續醫療護理非常重要。朱為民醫師團隊利用台灣老年人的電子健康記錄(EHRs)和老年周全性評估(CGAs),以機器學習開發出出院時身體功能的預測模型。
數據來自台灣中部一家醫學中心的臨床數據庫。分析包括 2012 年 1 月至 2018 年 12 月期間入住急診的老年人,有缺失數據的人則被排除在外。從 EHRs 和 CGAs 的數據中,共輸入了 52 個臨床特徵用於模型構建。使用了 3 種不同的機器學習演算法,包括 XGBoost、隨機森林和邏輯回歸。
結果顯示共有 1755 名老年人納入最終分析,平均年齡為 80.68 歲。線性模型在出院時的身體功能,依照準確度排名依序是 XGBoost(87%)、隨機森林(85%),邏輯回歸(32%);出院時身體功能的分類模型,隨機森林(94%)、邏輯回歸(92%)和 XGBoost(92%);XGBoost 和隨機森林的 auROC 達到了 98%,而邏輯回歸的 auROC 為 97%。
前 3 個重要的特徵是日常生活能力(ADL)、入院期間的 ADL 和入院期間的簡易營養評估(MNA)。
朱為民醫師團隊利用 EHRs 和 CGAs 數據所建構的機器學習模型,可以在入院期間準確預測老年人出院時的身體功能,有助於後續的醫療照護安排。
恭喜朱醫師!





