MACHINE LEARNING TO PREDICT HOMEBOUND STATUS IN OLDER ADULTS USING CANADIAN LONGITUDINAL STUDY ON AGING DATASET
Notice bibliographique
Résumé
Abstract Individuals who are unable to leave their home or with great difficulty are considered homebound or semi-homebound. Homebound status is strongly associated with disability, social isolation, healthcare use and costs, and mortality. Most homebound older adults have multiple chronic conditions and poor health. There is not enough information about homebounded older adults in Canada. The Comprehensive cohort of the Canadian Longitudinal Study on Aging (CLSA) presents an excellent opportunity to study the complex factors associated with homebound status and the interplay between physical, social, psychological, and environmental determinants over time. This is a population-level study which makes use of provincial healthcare registration data to sample older adults across the country. We obtained the first wave of CLSA dataset containing samples from 21667 individuals over 3223 variables. We developed a definition of ‘homeboundedness’ in using life-space index variables present in the CLSA datatset. The dataset contained numerical, categorical and missing values. After preprocessing, we selected 1101 Homebound and 20521 Non-Homebound individuals, and 1771 variables. We showed that Random Forest classifier (with missing values) provided an AUC ROC and PR of 0.89 and 0.49. The missing value imputation did not improve the results significantly. Using feature hashing, we converted the dataset to numerical values; the AUCs improved to 0.96 and 0.71 at the cost of losing interpretation. In future, we will consult clinical experts in choosing the relevant features and use analytical methods to select features and compare. We will also test these predictive models on the next wave of this dataset.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».