3.0/Q2，Charls最新文章解读

文章题目：Development of a visualized risk prediction system for sarcopenia in older adults using machine learning: a cohort study based on CHARLS

 

DOI：10.3389/fpubh.2025.1544894

 

中文标题：使用机器学习开发老年人肌肉减少症的可视化风险预测系统：一项基于 CHARLS 的队列研究

 

发表杂志：Front Public Health

        

影响因子：2区，IF=3.0

 

发表时间：2025年3月

 

今天给大家分享一篇在2025年3月发表在《Front Public Health》（2区，IF=3.0）的文章。本研究旨在使用机器学习开发老年人肌肉减少症的可视化风险预测系统。

研究方法：这项研究利用了中国健康与退休纵向研究（CHARLS） 的数据，包括 2,717 名中老年人参与者的队列。使用了 10 种机器学习算法，例如 CatBoost、XGBoost 和 NGBoost，用于构建预测模型。

Table&Figure

 

结果解读：在这些算法中，XGBoost 模型表现最好，ROC-AUC 为 0.7，并被选为肌肉减少症风险的最终预测模型。SHAP 技术用于将预测结果可视化，增强模型的可解释性，并且该系统构建在 Web 平台上。

结论：该系统根据输入变量提供4 年内肌肉减少症发作的概率，并确定关键影响因素。这有助于医疗专业人员的理解和使用。该系统支持老年人肌肉减少症的早期识别和科学干预，具有重要的临床价值和应用潜力。 

大家在科研路上，可以借鉴这种研究方法，为自己的课题添砖加瓦。万层高楼平底起，一起加油呀！