基于机器学习的老年综合征多重协同效应对生活质量影响的预测模型：一项医院试点研究

本研究针对老年人群生活质量(QOL)受多种老年综合征交互影响机制不明的临床问题，采用随机森林算法构建预测模型，发现日常生活能力(ADL)、衰弱(CFS≥4)和疼痛是影响EQ-5D-3L效用值的关键因素，其两两交互作用贡献率达14.7%-18%。该研究为临床综合评估老年综合征协同效应提供了量化工具，对制定个性化干预策略具有重要价值。

　　

随着全球老龄化进程加速，医疗目标已从单纯降低死亡率转向提升老年人生活质量(QOL)。既往研究表明，教育水平、收入状况等社会人口学特征与老年综合征（如认知障碍、抑郁等）均会影响QOL，但多重老年综合征间的复杂交互作用仍是未解之谜。传统线性回归模型难以捕捉高维数据的非线性关系，而机器学习算法为此提供了新的研究路径。

为破解这一难题，国立成功大学医院的研究团队开展了一项创新性研究。通过医院试点数据，采用随机森林算法构建预测模型，首次系统揭示了ADL、衰弱与疼痛三者间的协同作用机制。该研究发表于《BMC Geriatrics》，为临床决策提供了重要循证依据。

研究采用5折交叉验证的随机森林模型，纳入160名≥65岁住院患者的多维数据（包括CGA综合评估、EQ-5D-3L效用值等）。关键技术包括：1）MICE算法处理缺失值；2）ALE plots可视化特征效应；3）Friedman's H-statistic量化交互强度。

【主要结果】

1. 模型性能：预测模型R²达0.73，MSE为0.018，显示优异预测效能。
2. 关键预测因子：ADL（β=-0.32）、衰弱（CFS≥4时QOL下降0.15）、疼痛（降低0.03效用值）位列前三，与BMI（22kg/m²时最佳）等构成前十重要特征。
3. 交互效应：ADL与衰弱交互贡献14.7%，衰弱与疼痛交互达18%，形成"功能下降-躯体症状"恶性循环。

【讨论与结论】
该研究突破性地发现：

1. 临床意义：证实衰弱（CFS≥4）作为"生物学年龄"标志物，与ADL共同构成QOL评估核心维度，提示临床需开展综合干预。
2. 方法学创新：首次应用机器学习解析老年综合征非线性关系，较传统线性模型更精准捕捉BMI的U型效应（18-28kg/m²为理想区间）。
3. 公共卫生价值：为"疼痛-衰弱-功能下降"这一恶性循环的早期阻断提供量化依据，对降低医疗照护负担具有重要实践意义。

研究局限性包括样本量较小（n=160）和横断面设计，未来需扩大社区队列验证。但毋庸置疑，该成果为建立老年健康多维评估体系奠定了方法学基础，标志着老年医学研究向精准化、个性化迈出关键一步。