机器学习构建社区老年人跌倒风险预测模型

对老年人跌倒风险进行准确预测，及时制订针对性的防跌倒干预措施，是减少老年人跌倒发生率的有效策略。然而，目前尚缺乏社区老年人基于双任务下步态姿势控制生物力学特征指标、跌倒风险相关测评指标和认知功能相关指标预测跌倒风险的研究。此外，使用机器学习对老年人跌倒风险的预测能力优于传统预测模型，但不同算法各有特点，比较不同算法建立的模型对于提高老年人跌倒风险预测的准确性具有重要意义。综上所述，本研究目的是分析基于复杂双任务下社区跌倒老年人步态姿势特征，确立双任务下能够区分社区老年人跌倒的步态姿势控制生物力学参数、跌倒风险相关测评指标和认知功能相关指标，使用神经网络、极端梯度提升、随机森林、朴素贝叶斯、逻辑回归、支持向量机 6 种机器学习算法构建社区老年人跌倒风险预测模型，对比找到最佳预测老年人跌倒的机器学习预测模型，采用 SHAP 方法增强机器学习模型的可解释性。本研究旨在帮助医护人员及早识别跌倒个体并及时采取针对性干预措施，降低社区老年人跌倒风险。翻译成专业的英文，符合英文期刊的标准