JAMDA：NEAT人工神经网络对鉴别易跌倒老年人有效
2015-03-28 MedSci MedSci原创
背景;如何正确识别老年人存在的反复跌倒的风险是复杂而又困难的。为此，我们研究的主要目的是研究三个人工神经网络即MLP、调整后的MLP、NEAT，利用一系列与社区老年人跌倒因素相符合的临床特征，测试它们区分经常跌倒与不经常跌倒老年人的有效性（人工神经网络，简写为ANNs，是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接
背景;
如何正确识别老年人存在的反复跌倒的风险是复杂而又困难的。为此，我们研究的主要目的是研究三个人工神经网络即MLP、调整后的MLP、NEAT，利用一系列与社区老年人跌倒因素相符合的临床特征，测试它们区分经常跌倒与不经常跌倒老年人的有效性（人工神经网络，简写为ANNs，是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。人工神经网络具有自学习和自适应的能力）。
研究方式：
我们使用的是横断面设计,招募了来自3289个生活在不同的小区平均年龄在65岁及以上的志愿者。分析指标有年龄、性别、体重指数(BMI)、服用药物的数量、精神药物的使用,体内二膦酸盐和钙含量、维生素D补充剂的使用、是否需要助行器、是否担心摔倒、远视力评分、定时起立-行走得分、下肢本体感受、握力强度、有无抑郁症状和认知障碍及有无跌倒史。依据志愿者在过去一年内有无跌倒及跌倒次数将他们分为两个组：跌倒不超过1次组和跌倒超过一次组。不仅如此，所有的志愿者都分开接受ANNs测试和对照测试。
结果：
在3289名志愿者中，有622名是反复跌倒的（占18.9%），相比MLP和调整后的MLP而言，NEAT利用15种临床特征进行分析更有效果，例如，需要助行器、担心摔倒心态、钙物质摄入量、有抑郁症状、使用维生素D补充剂、女性、认知障碍、BMI <21 kg/m2,日常服用药物超过4种 、视觉评分低于8分、服用精神药物、下肢肢体感觉得分不超过5分、TUG时间超过9秒、握力得分不超过29牛、年龄大于等于75岁），这一工具显示出鉴别经常跌倒老年人的有效性、敏感性（80.42%）、特异性（92.54%）、阳性预测价值（即易跌倒）为84.38、阴性预测价值（即不易跌倒）为90.34、准确性为88.39、 Cohen κ检验效应为0.74。
结论：
结果表明，使用15种临床特征的NEAT人工神经网络对鉴别反复跌倒的社区老年人更加有效。
原始出处：
Anastasiia Kabeshova, Cyrille P. Launay, Vasilii A. Gromov, Cédric Annweiler, Bruno Fantino, Olivier Beauchet. Artificial Neural Network and Falls in Community-Dwellers: A New Approach to Identify the Risk of Recurrent Falling? JAMDA Volume 16, Issue 4, 1 April 2015, Pages 277–281
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
#MDA#
51
很有指导意义
173
患OS这个疾病的高风险人群提供干预措施以避免不良预后和机械治疗措施
165
有具体的评分量表吗
90
汀组与格列美脲组总体耐受性均良好，严重不耐受事件发生率相似。 人工神经网络对鉴别
120
的（占18.9%），相比MLP和调整后的MLP而言，NEAT利用15种临床特征进行分析更有效果，例如，需要助行器、担心摔
93
#AMD#
45
#神经网络#
59