Integrating dynamic nomogram and machine learning for personalized disability prediction in elderly cardiometabolic multimorbidity: routine blood markers and mental health
Diese Studie nutzt CHARLS-Daten, um ein dynamisches Nomogramm und Machine-Learning-Modelle zu entwickeln, die zeigen, dass Depressionen ein dominanter Prädiktor für Behinderungen bei älteren Patienten mit kardiometabolischer Multimorbidität sind, während routinemäßige Blutmarker eine signifikante Risikostratifizierung ermöglichen und das Behinderungsrisiko nach drei gleichzeitig bestehenden chronischen Krankheiten ein Plateau erreicht.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.