预测口服使用机器学习算法和一般健康协会

Muthuthanthrige Cooray,日本仙台东北大学提出了口头会话”口服使用机器学习预测算法和一般健康协会”在虚拟99一般会议和展览的国际牙科研究协会(IADR),结合50年会举行美国牙科研究协会(AADR)和45岁的加拿大牙科研究协会年度会议(CADR), 7月21 - 24日,2021年。

一般健康和口腔健康传统视为独立的实体在卫生保健供给,但是最多一般健康和口腔健康问题有共同的危险因素和影响总体幸福感。本研究调查的健壮性之间的联系一般健康和口腔健康使用机器学习的预测。

分析包括19862名日本老年化评价研究2016名65岁或以上的老人。XGBoost机器学习算法用于预测自我报告口腔健康使用一般健康相关预测因子(脆弱、心理状态、发病率)和自我报告健康使用口腔健康相关预测因子(可怜的闭塞,咀嚼困难,和口干)。年龄、性别、家庭收入和吸烟都是添加为常见的预测模型。预测是根据文献选择和可用性。

自我报告口腔卫生不良比率较高(28.6%)相比,可怜的自我报告健康状况(12.4%)。20.6%的自我报告不良口腔健康也报道了可怜的自我报告一般健康状况,而47.7%的人自我报告健康状况较差也报道了可怜的自我报告口腔健康。

一个健壮的一般健康口腔健康和一般健康协会口腔健康存在证明了准确的预测模型。口腔健康似乎有更高的预测能力比一般健康预测预测一般健康口腔健康。一般健康和口腔健康因素应该考虑集体当计划为老年人医疗保健。