利用常规实验室数据建模差异老化速率及其对发病率与医疗支出的启示
机器学习
2021-03-18 v1
摘要
衰老是一个多维过程，其中表型以不同速率变化。衰老的纵向研究通常需在数年时间内随访一组个体。该设计受成本、损耗以及随之而来的小样本量所制约。因此，亟需替代方法。在本研究中，我们使用变分自编码器，基于 2016 至 2019 年收集的 140 万个体常规实验室检验的横截面数据来估计衰老速率。通过纳入可确保模型稳定性及各维度区分度的指标，我们揭示了四个代表以下身体功能的衰老维度：1) 肾脏，2) 甲状腺，3) 白细胞，以及 4) 肝脏与心脏。我们随后考察了衰老速率与发病率及医疗支出之间的关系。总体而言，沿这些维度衰老更快者更可能罹患与这些身体功能相关的慢性疾病。与衰老较慢者相比，他们的医疗支出也更高。基于衰老速率对个体进行 K-means 聚类显示，发病 odds 较高的簇在所有类型医疗服务中花费最高。结果表明，横截面实验室数据可作为理解不同维度年龄的替代方法。此外，衰老速率与未来成本呈差异化相关，这有助于开发延缓疾病进展的干预措施。
引用
@article{arxiv.2103.09574,
title = {Modeling differential rates of aging using routine laboratory data; Implications for morbidity and health care expenditure},
author = {Alix Jean Santos and Xavier Eugenio Asuncion and Camille Rivero-Co and Maria Eloisa Ventura and Reynaldo Geronia and Lauren Bangerter and Natalie E. Sheils},
journal= {arXiv preprint arXiv:2103.09574},
year = {2021}
}
备注
17 pages, 9 figures, 6 tables