基于机器学习的独居中老年社区居民健康相关生活质量预测：2022年韩国健康调查的二次分析

《Healthcare》：Machine-Learning Prediction of Health-Related Quality of Life Among Community-Dwelling Middle-Aged and Older Adults Living Alone: A Secondary Analysis of the 2022 Korea Health Panel

　　

摘要

背景/目标：随着韩国独自生活的中老年人数量大幅增加，他们的生活质量问题亟需得到更多关注。因此，我们旨在为独自生活的社区中老年人建立一种用于预测其生活质量的模型。方法：利用2022年韩国健康面板调查数据，对1313名拥有完整EQ-5D指标数据的参与者进行了分析。所有潜在预测因子都被纳入基准模型中，无需预先进行特征选择。在训练数据上进行了预处理和5折交叉验证的超参数调整。最终性能通过在独立测试集上的评估来确定，所选模型则通过SHAP工具进行解释。结果：XGBoost模型的训练交叉验证RMSE值最低，因此被选为最终的可解释模型。在测试集上，该模型的表现处于中等水平（R² = 0.373，MAE = 0.070，RMSE = 0.096），虽优于平均基准模型（RMSE = 0.121），但与其他表现较好的模型相比仍处同一水平。对于45.6%和76.4%的参与者而言，其预测结果的绝对误差分别在0.05和0.10以内。SHAP分析显示，主观健康状况、年龄、步行时间、护理需求以及月家庭收入是排名最高的五个预测因子。其他排名较高的预测因子还包括未得到满足的医疗需求、年度自付医疗支出总额、残疾状况、焦虑程度以及定期锻炼情况。结论：这些研究结果可为制定针对性干预措施和支持策略提供依据，不过仍需通过外部验证和纵向研究来确认其普遍适用性及因果关系。