摘要
目的:在老龄化背景下,社区需要低成本的身体功能筛查手段,而智能视觉评估目前缺少与失能结局相联系的纵向证据。本研究考察身体功能指标对老年人新发基础性日常生活活动能力(BADL)困难的增量预测价值,评价候选指标在重复抽样和不同调查时期中的入选稳定性,并估计其相对预测权重,为智能视觉评估的指标选择提供结局依据。方法:基于中国健康与养老追踪调查(CHARLS),以2015—2018年为主队列,2011—2013年、2013—2015年为历史队列,纳入基线年龄≥60岁、六项BADL均无困难且随访结局明确者。候选指标共7项,涵盖椅子起立、平衡、步行和握力,并调整人口学特征与基础健康状况。主队列按8∶2分为开发集与测试集,分别构建基础模型(M0)、完整身体功能模型(M1)、稳定筛选精简模型(M2)及XGBoost模型。采用Elastic Net筛选指标,各期进行200次Bootstrap重抽样,以入选频率≥70%为稳定标准;根据M1系数与变量变化尺度计算相对预测权重,预处理仅在开发集内完成。以测试集AUC、Brier评分和校准指标评价模型性能,模型间差值用配对Bootstrap估计。
结果:主队列纳入6330人,新发BADL困难1084例(17.12%);两个历史队列分别纳入4908人和5890人。在测试集中,M0的AUC为0.745、Brier评分为0.124,M1分别为0.756和0.120。与M0相比,M1的AUC增加0.01144(95%CI:−0.00380~0.02718),Brier评分降低0.00395(95%CI:−0.00691~−0.00109);XGBoost的AUC为0.760,未优于M1。五次起立耗时在主队列中的入选频率为27.0%,在两个历史队列中为35.0%和34.0%;步行耗时与握力的入选频率更低。三个调查时期均没有指标达到70%标准,因此M2与M0相同。M1中,起立辅助行为、最大握力、平衡辅助行为和五次起立耗时的相对权重分别为43.92%、19.50%、16.67%和11.32%,这一排序与入选频率排序不一致。
结论:整体纳入身体功能指标能小幅改善新发BADL困难的概率预测,但区分能力的增量尚不明确,也未筛选出稳定的单项预测指标。相对权重取决于模型设定和变量变化尺度,不宜作为通用的固定权重。智能视觉评估可以从起立等能用视频量化的功能任务入手,结合配对视频与纵向结局,依次检验测量一致性、增量价值和权重稳定性。
