体力活动和步行时间在预测认知与身体功能双重衰退中的预测价值：一项基于时间深度学习和可解释人工智能的跨国队列研究

《European Review of Aging and Physical Activity》：Predictive value of physical activity and walking time for dual cognitive-physical decline: a multinational cohort study using temporal deep learning and explainable AI

　　

摘要

目的

开发一个可解释的深度学习框架，以识别老年人认知与身体功能双重衰退的风险因素，并评估体力活动（PA）对功能轨迹的影响。

方法

利用HRS（n = 11,574）进行数据挖掘，ELSA（n = 3,810）进行外部验证，我们采用时间注意力网络（TAN）筛选了15个核心变量。比较了六种传统的机器学习算法和TAN，并使用SHAP来解释表现最好的模型。通过Cox回归和多状态马尔可夫模型分析了体力活动与结果之间的关系。

结果

XGBoost的表现最佳（HRS AUC = 0.898；ELSA AUC = 0.818）。步行时间是主要的预测指标（风险比HR = 1.19），其在双重衰退组中的年恶化速度约为健康对照组的4.9倍。所有强度的体力活动都与较低的风险相关（HR：0.92–0.95）。在ELSA基线时身体健康的参与者中，到第六阶段时转变为双重衰退状态的概率在高体力活动组中较低（1.0%，Wilson 95%置信区间：0.6–1.8%），而在低体力活动组中较高（4.3%，Wilson 95%置信区间：1.2–14.2%）。然而，由于低体力活动亚组规模较小，这一基于体力活动的分类转移估计应谨慎解读。多状态马尔可夫分析表明认知与身体功能状态存在动态转变，较高的体力活动与较少的不良转变模式相关。

结论

步行时间的长期恶化可能是一个可靠的早期预警指标，提示认知与身体功能的双重衰退。体力活动与较低的风险和更有利的转变模式相关，尽管向功能状态较差的转变不应被解释为完全的功能恢复。