發展預測中老年人死亡率的預後指標

科學家和臨床醫生一直在尋找一種簡單實用的方法來識別具有不良健康結果(包括住院、殘疾和死亡)高風險的老年人。為了利用現有的臨床資料來開發精確的預測方法,機器學習方法已被廣泛用於識別風險因子,並預測多種不良健康結果。但是目前台灣臨床應用上還缺乏一個快速、簡單且實用的篩檢工具。本研究旨在開發一種基於機器學習的預後指標,用於預測老年人的全因死亡率。

本研究納入5,663名中老年人(HALST cohort),追蹤5年確認存活狀態。使用血液檢查數據,基於機器學習技術,我們開發了一個預測中老年人死亡率的預後指標MARBE-PI。利用逐步邏輯回歸,推算出年齡性別教育程度BMI6項血液檢查項目(低密度脂蛋白、白蛋白、天門冬胺酸轉氨酶、淋巴球計數、高敏感度 C 反應蛋白和肌酸酐)可作為中老年人五年死亡率的關鍵預測因子。根據MARBE-PI做風險分層分析,顯示MARBE-PI 分數越高,死亡風險越高,此方法並在日本族群(NILS-LSA cohort)得到了驗證。

MARBE-PI對於預測中老年人五年、十年死亡率的能力非常具有潛力,可應用於臨床上風險分層衡量的指標。 MARBE-PI可找出死亡風險較高的老年人,有助於臨床決策,提供積極的介入措施。


參考文獻:
Huang, C. H., Y. H. Fang, S. Zhang, I. C. Wu, S. C. Chuang, H. Y. Chang, Y. F. Tsai, W. T. Tseng, R. C. Wu, Y. T. Liu, L. M. Lien, C. C. Juan, C. Tange, R. Otsuka, H. Arai, C. C. Hsu and C. A. Hsiung (2024). “Develop and Validate a Prognostic Index With Laboratory Tests to Predict Mortality in Middle-Aged and Older Adults Using Machine Learning Models: A Prospective Cohort Study.” J Gerontol A Biol Sci Med Sci 79(5): glae041.


圖片來源:Image by freepik

發展預測中老年人死亡率的預後指標

科學家和臨床醫生一直在尋找一種簡單實用的方法來識別具有不良健康結果(包括住院、殘疾和死亡)高風險的老年人。為了利用現有的臨床資料來開發精確的預測方法,機器學習方法已被廣泛用於識別風險因子,並預測多種不良健康結果。但是目前台灣臨床應用上還缺乏一個快速、簡單且實用的篩檢工具。本研究旨在開發一種基於機器學習的預後指標,用於預測老年人的全因死亡率。

本研究納入5,663名中老年人(HALST cohort),追蹤5年確認存活狀態。使用血液檢查數據,基於機器學習技術,我們開發了一個預測中老年人死亡率的預後指標MARBE-PI。利用逐步邏輯回歸,推算出年齡性別教育程度BMI6項血液檢查項目(低密度脂蛋白、白蛋白、天門冬胺酸轉氨酶、淋巴球計數、高敏感度 C 反應蛋白和肌酸酐)可作為中老年人五年死亡率的關鍵預測因子。根據MARBE-PI做風險分層分析,顯示MARBE-PI 分數越高,死亡風險越高,此方法並在日本族群(NILS-LSA cohort)得到了驗證。

MARBE-PI對於預測中老年人五年、十年死亡率的能力非常具有潛力,可應用於臨床上風險分層衡量的指標。 MARBE-PI可找出死亡風險較高的老年人,有助於臨床決策,提供積極的介入措施。


參考文獻:
Huang, C. H., Y. H. Fang, S. Zhang, I. C. Wu, S. C. Chuang, H. Y. Chang, Y. F. Tsai, W. T. Tseng, R. C. Wu, Y. T. Liu, L. M. Lien, C. C. Juan, C. Tange, R. Otsuka, H. Arai, C. C. Hsu and C. A. Hsiung (2024). “Develop and Validate a Prognostic Index With Laboratory Tests to Predict Mortality in Middle-Aged and Older Adults Using Machine Learning Models: A Prospective Cohort Study.” J Gerontol A Biol Sci Med Sci 79(5): glae041.


圖片來源:Image by freepik

文章快選