利用機器學習協助高齡者預防大腿骨折：8個重要風險因素

日本國內的老年人每年發生大腿骨折的人數已超過20萬，並且仍在持續增加。一旦老年人發生大腿骨折，其生存預後非常不佳。骨折導致他們的日常生活能力下降，可能進一步導致認知障礙症狀，並需要長期護理，伴隨高昂的醫療費用等多種問題。

近日，日本熊本大學透過與多家醫療機構的共同研究，收集了1395名大腿骨折患者和1075名非大腿骨折患者的資料，並利用機器學習分析了這些資料。在對大腿骨折風險進行全面評估後，提出了8個風險因素，包括：（1）日常生活活動水準、（2）運動障礙症候群、（3）過去12個月內的摔倒史、（4）每日茶葉攝入量、（5）認知功能、（6）骨質疏鬆症藥物治療、（7）步行狀態、（8）步行時間。

日常生活活動水準是指日常生活中獨立完成飲食、上廁所等動作的程度，通常使用國際指標「Barthel指數」來進行評估。運動障礙症候群分為1至3級，其中3級最嚴重。研究團隊利用機器學習來評估每個因素對大腿骨折發生的影響程度，並根據影響程度進行評分。將這些分數相加，如果總分達到或超過5分，則表示存在大腿骨折的風險。

1. 日常生活活動水準下降：5分
2. 患有運動障礙症候群並被判定為3級：4分
3. 過去12個月內有3次或更多次的跌倒歷史：2分
4. 每日飲用5杯以上的茶：-2分
5. 存在任何程度的認知功能障礙：2分
6. 接受骨質疏鬆症藥物治療：-1分
7. 無需輔助工具行走：1分
8. 有少量行走：1分

此風險評估工具可在家庭環境中使用，無需抽血等檢查，也不需要專業的機器學習知識。如果評估結果顯示存在骨折風險，可以考慮就醫，接受適當的治療，有望預防骨折的發生。

my navi新聞（2023-08-21）
【原文/出處】