面向老年人预测跌倒风险：加速度计与非加速度计因素的机器学习比较
应用统计
2025-08-07 v1 机器学习
摘要
本研究探讨了使用各种机器学习模型对老年人跌倒风险的预测，模型基于来自 146 名参与者的加速度计数据、非加速度计数据以及两者组合数据。实现最佳性能的模型组合了所有数据类型，其中贝叶斯岭回归显示出最高的准确率（MSE = 0.6746, R2 = 0.9941）。非加速度计变量，如年龄和合并症，对于预测显示至关重要。结果支持使用集成数据和贝叶斯方法来提高跌倒风险评估，并为干预策略提供指导。
引用
@article{arxiv.2508.03756,
title = {Predicting fall risk in older adults: A machine learning comparison of accelerometric and non-accelerometric factors},
author = {Ana González-Castro and José Alberto Benítez-Andrades and Rubén González-González and Camino Prada-García and Raquel Leirós-Rodríguez},
journal= {arXiv preprint arXiv:2508.03756},
year = {2025}
}