運用機器學習建構社區老年人行動力衰退之預測模型
Abstract
目的：老年人行動力受損與跌倒、衰弱及機構式照護等不良結局密切相關，及早發現高風險個案，及早介入，延緩失能為重要議題。台北市老人健檢是很普及的預防保健服務，民眾可了解自己的健康狀況，長期更可知道健康狀況變化。本研究目的為以機器學習方法建立老年人行動力受損風險的預測模型。 方法：本研究回溯分析2023年於臺北市立聯合醫院接受健檢與ICOPE行動力篩檢之2,165位65歲以上社區長者的健檢資料。經由ANOVA F值法選出13項具鑑別力的變項，涵蓋年齡、腎功能、血液指標、體位參數及慢性疾病，以Balanced Random Forest分類器進行機器學習模型訓練與五折交叉驗證。 結果：模型平均AUC-ROC為0.9671，PR-AUC為0.9350，精確度、召回率及F1分數分別為0.8549、0.8747及0.8646。行動力受損與年齡、肌酸酐、腰圍呈正相關，與血紅素及白蛋白呈負相關。 結論：本研究的成果可有效識別行動力受損高風險老年人，具備臨床可行性。此方法有助於將預測分析導入社區健康照護，早期發現功能下降及早介入以促進健康老化。
Fields of Study & Subjects
Occupational Health and Safety Research
BIM and Construction Integration
Underground infrastructure and sustainability
Publication details
- Journal / source
- 台灣家庭醫學雜誌
- Volume
- 36
- Issue
- 1
- Pages
- 021–033
- Publication date
- 9 January 2026