基于人工神经网络模型的老年人体质综合评价与探索

张 频，陈 铭，蔡天盼，龙静文，吴 磊

(南昌大学公共卫生学院、江西省预防医学重点实验室，南昌 330006)

预计到2020年，我国60岁以上人口将达2.75亿[1]。中国老龄化进程加快，由体质不佳而引起的慢性疾病如高血压、心脏病、糖尿病和阿尔茨海默病[2-3]等严重威胁着老年人的身心健康和生活质量。体质(physical fitness)是指能单独、安全的完成日常生活和活动的一种能力[4]。我国老年人的体质研究始于1998年，相对于青少年学生和成人体质的研究来说，存在开展不广泛、不深入、研究起点晚等特点[5]。传统的体质测评方法[6]虽有一定的代表性，但是在评估人体各种指标和指标的相互作用、复杂性和多样性方面存在一定的缺陷。人工神经网络(artificial neural network,ANN)模型适用于同时考虑多种因素的处理需求和不精确的生物医学信号处理问题；特别是对疾病预测或健康相关行为的综合评价更有优势，可以通过模糊学习和评判，进行健康相关行为、影响因素等方面综合评价[7-8]。神经网络模型已经在医学研究中有很好的进展，比如应用于龋齿、生殖不育、癌症、老年痴呆[9-10]等研究。国内神经网络模型也取得较好进展，如应用于绩效评估、疾病症状和体质评价[11-12]等。本研究采用ANN构建老年人体质模型进行综合评价，以筛选体质测量的敏感指标，为老年人提升体质提供更好的建议。

1 对象与方法

1.1 研究对象与研究现场

于2018年6月至2019年9月，在前期已选定的研究现场[5,13]继续开展老年人体质测量和持续监测，即分别抽取“60～64岁”“65～70岁”年龄段老年人，其中男性和女性各500人。研究对象纳入标准：1)60岁以上居民；2)在调查地有常住户口，调查时居住在调查地；3)依从性好，能积极配合调查；4)排除心、脑、肺、肾病，无意识和心理障碍等的记录。排除标准：不能单独或者在辅助情况下依然不能完成体质测量。

1.2 研究方法

本研究依据前期研究成果筛选的评价身体素质的系列指标：肌肉力量、反应能力、平衡性、柔韧性、耐力等[5,13]。所有研究对象均进行上述指标的现场测量，测量方法主要参考课题组前期拟定的标准[13]。采用Excel 2016对数据进行初步处理，测量结果用均值±标准差表示。参考《国民体质测定标准手册:老年人部分》[6](以下简称标准)进行评分。最终采用上述系列指标的体质测量值为输入层，体质评分是否合格为输出层，使用IBM SPSS Modeler14.1建立ANN模型，并应用该模型对社区老年人体质进行综合评价。

2 结果

2.1 基本情况

由于《标准》[6]中目前只有60～69岁老年人评分标准，因此该研究目前只针对该年龄段老年人。本次共收集1739份样本，其中男性718人，60～64岁年龄段347人，65～70岁年龄段371人；女性1021人，60～64岁年龄段512人，65～70岁年龄段650人。老年人的文化程度为初中和小学及以下居多，占比达74.70%；职业以工人和农民为主，占比达70.73%；87.00%的老年人已婚。两年龄段男女比例相当(P>0.05)。

2.2 体质现况分析

各项测量指标分不同年龄段和不同性别进行分析，如表1所示，男性60～64岁年龄段的肺活量、抓背试验、台阶试验和6分钟步行试验等指标明显强于65～69岁年龄段(P<0.01)，女性在脉压差、肺活量、选择反应时、握力和台阶试验等指标在不同年龄段下降较明显(P<0.01)。从表中可发现男性肺活量、握力、选择反应时、单脚站立时间以及6分钟步行明显强于女性，女性抓背测试和椅子坐位体前屈等明显强于男性(P<0.01)。

表1 老年人体质指标分析

表1(续)

2.3 神经网络模型的初步构建

本研究采用ANN模型进行建模，数据选自经调查所得的60～69岁老年人样本，根据《标准》[6]进行评分，共6个指标(总分30分)，总分≥15分时为体质合格。神经网络模型以体质测量的所有指标为输入层，体质合格与不合格为输出层。分别构建不同性别老年人体质的多层感知器(MLP)神经网络模型，男、女性老年人各指标所占权重值如表2所示。男性体质测量权重占比前3的分别为握力、肺活量、坐位体前屈；女性体质测量权重占比前3的分别为肺活量、选择反应时、坐位体前屈。

2.4 神经网络模型的初步应用

神经网络模型将数据按照7:3分为训练样本与预测试样本，本次研究中测试样本男女分别为224、296人，分别占比为31.20%、29.00%，男、女性数据经神经网络模型测试与训练样本数据如表3所示。使用ROC曲线下面积(area under curve，AUC)来检验ANN模型的准确性，男性体质ROC曲线面积为0.935，女性为0.907，其值接近1，准确率较高。见图1—2。

表2 各指标构建ANN模型所占权重 n=1739

表3 神经网络模型预测老年人体质结果

3 讨论

老年人健康与其体质状况直接相关，而对于老年人的健康风险及身体素质降低的评价，体质测评是非常有价值的筛检工具。本研究在南昌市部分社区进行了60岁以上的样本人群的综合体质测试，结果显示男性60～64岁年龄组的肺活量、计时起立行走等指标明显强于65～69岁年龄组，这与陈文威[14]对2014年江西省60～69岁老年人体质现状分析描述的有所差距，究其原因可能是因为本研究只针对南昌市社区，且样本量较少，所以导致部分偏差。女性年龄对比的体质结果、男女体质对比的结果与陈文威等[14-15]对60～69岁老年人体质的研究结果基本一致。

构建神经网络模型显示男性神经网络模型体质权重前3位为：握力、肺活量、坐位体前屈；女性前3位为：肺活量、反应时间、坐位体前屈。研究指出肺活量与慢性阻塞性肺疾病有很大关联[16-17]，握力是老年人死亡率的潜在预测因子[18]，椅子坐位体前屈对于预防老年人摔倒具有重要作用[19]，锻炼选择反应时能够预防老年人跌倒[20]。以上指标提示女性老年人应相对更加关注反应能力、力量和平衡性的锻炼；男性老年人则注重肺功能、柔韧性和力量的锻炼。

本研究所构建的神经网络模型对老年人体质进行了初步探索，调查样本量较少，且测试过程中存在部分的缺失值，故需要进一步扩大研究成果，且有待对60～69岁之外的老年体质进行测评。另，本研究因变量是通过部分测量指标评分后判断结局，因此结果相对理想，有待引入外来标准进行评分测评。本研究提出将所有测量指标构建神经网络模型，不同于传统测评方法(对所测指标进行等权重计算得分情况，最后综合评价体质结果)，并寻找出老年人体质权重占比较高的指标，构建的模型结果准确率较高，皆在90%左右，这为老年人体质的个性化评价提出了新的思路与方法。