面向社区居家老龄化人群多功能衰退建模的深度表示学习
机器学习
2024-04-09 v1 人工智能
摘要
随着老龄化人口的增长，尤其是婴儿潮一代，美国正经历着经历多功能障碍的老年人口显著增加。这些障碍源于多种慢性疾病、损伤和损害，由于其包含身体和认知两个方面的多维性质，呈现出复杂的挑战。传统方法通常使用基于单变量回归的方法来建模和预测单一衰退状况，并假设人口同质性，这不足以应对老龄化相关衰退的复杂性与多样性。本研究引入了一种用于多功能衰退建模的新框架，该框架捕捉了老年障碍的多维（例如身体和认知）和异构性质。利用深度学习，我们的方法预测健康衰退分数，并从老年健康史中揭示潜在异质性，从而为老龄化相关衰退的多样影响与原因提供高效估计和可解释的见解。一个真实案例研究证明了其有效性，并标志着对准确建模老年衰退复杂动态的关键贡献，同时应对了老龄化人群面临的医疗保健挑战。
引用
@article{arxiv.2404.05613,
title = {Deep Representation Learning for Multi-functional Degradation Modeling of Community-dwelling Aging Population},
author = {Suiyao Chen and Xinyi Liu and Yulei Li and Jing Wu and Handong Yao},
journal= {arXiv preprint arXiv:2404.05613},
year = {2024}
}