基于智能手机步数模式预测老年人衰弱相关风险的前瞻性验证研究

《BMC Public Health》：Smartphone step-count patterns and later QMCOO-defined frailty-related risk

　　

摘要

背景

智能手机步数可提供低负担的信号。其对于后续由老年人健康检查问卷（QMCOO）定义的衰弱相关风险的增量价值尚不确定。

方法

我们分析了大阪 Asmile 应用的用户。将 2024 年 11 月至 12 月的步数特征与 2025 年 11 月至 12 月的 12 项 QMCOO 评分 ≥ 4 进行关联分析。五个预先指定的 Light Gradient Boosting Machine（LightGBM）特征集在 34 个市镇组中进行了内部-外部验证。我们评估了区分度、校准度、Brier 分数、风险富集以及探索性净收益。

结果

在 22,658 名参与者中（平均年龄 63.8 岁；62.5% 为女性），3,250 人（14.3%）达到标准。主要模型与年龄和性别模型的受试者工作特征曲线下面积（AUC）分别为 0.592（95% 置信区间 [CI]，0.576–0.609）和 0.547（0.536–0.559）；精确率-召回率曲线下面积（PR-AUC）分别为 0.217（0.197–0.238）和 0.166（0.153–0.178）。Brier 分数降低了 0.0014。汇总的校准截距为 0.015，斜率为 1.139。风险从最低十分位的 9.6% 增加到最高十分位的 23.6%。当两个模型仅在 12,399 名 65 岁及以上的参与者中重新开发时，主要模型的 AUC 为 0.592，风险从 8.7% 增加到 18.0%。

结论

步数模式对后续由 QMCOO 定义的衰弱相关风险的识别起到了适度的富集作用。区分度和估计净收益仍然有限。由于缺乏基线衰弱状态，这些结果不能证明新发衰弱。这些发现为前瞻性评估在应用内对 QMCOO 填写进行靶向提示在人群层面的应用提供了依据；该模型不能单独作为筛查或临床决策工具。