基于机器学习和logistic回归分析探究老年人死亡的影响因素
蒋睿1
贾诗宇2
徐琳2
吴建2
王赛怡2
1.河南省胸科医院河南省直属机关第二门诊部,河南郑州 4500032.郑州大学公共卫生学院,河南郑州 450001
摘要：目的 探讨中国老年人死亡风险因素,并构建个体化风险预测模型.方法 采用2015-2020年中国健康与养老追踪调查(CHARLS)数据,以老年人为研究对象,收集相应的人口学、生活方式、疾病史和体格检查相关信息,将数据集随机分为训练集和验证集(7∶3),运用逻辑回归、随机森林、极端梯度提升(XGBoost)3种分类算法建立老年人死亡预测模型,并选出最佳模型进行可解释性分析.结果 共纳入5 505例研究对象,其中死亡人数为977人.3种模型预测结果显示XGBoost模型具有较好的预测效果(曲线下面积为0.756,95％CI:0.720～0.792),夏普利值分解方法(SHAP)结果显示体重指数、年龄、性别、受教育程度、婚姻状况是老年人死亡的前5位危险因素.结论 XGBoost模型对老年人死亡风险有良好的预测效果,SHAP模型对个体化死亡风险预测提供明确解释.
关键词：老年人死亡预测机器学习极端梯度提升
分类号：R186(流行病学与防疫)
资助基金：教育部人文社会科学研究项目(24YJAZH174)河南省中医药文化与管理重点项目(TCM2024009)河南省卫健委健康河南行动专项(20220134B)主动健康背景下药物干预与非药物干预协同创新体系研究(20220518A)
论文发表日期：2024-12-31
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：6( 4442-4447 )
英文信息