基于1D-ICNN的高维度数据下老年自评健康预测方法

作     者：李玥 张承蒙 黄成烨 索浩宇 胡新悦 刘娜 张雅璐 陈功 LI Yue;ZHANG Cheng-meng;HUANG Cheng-ye;SUO Hao-yu;HU Xin-yue;LIU Na;ZHANG Ya-lu;CHEN Gong

作者机构：北京大学人口研究所 

出 版 物：《医学信息》 (Journal of Medical Information)

年 卷 期：2024年第37卷第14期

页      面：25-32页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 1002[医学-临床医学] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 100203[医学-老年医学] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 10[医学] 

基　　金：中国工程院战略研究与咨询项目(编号:2022-XBZD-30) 国家社会科学基金青年项目(编号:22CRK005) 

主　　题：老年人 自评健康 一维卷积神经网络 预测模型 

摘      要：老年人自评健康是反映老年人身体健康状态的重要因子，对提高老年人健康水平提供参考具有重要意义。为了解影响我国农村老年人自评健康的主要因素并实现精准地预测，本研究基于2022年湖南省岳阳县养老需求调研数据，首先探究了不同影响因素对老年人自评健康的作用机制；然后基于显著影响因素，在面向高维度数据特征的情况下，提出一种基于交叉熵和变学习率的改进一维卷积神经网络（1D-ICNN）用于构建老年人自评健康预测模型，以解决1D-CNN容易出现预测不准确和不稳定等问题。本研究显示，老年人自评健康与文化程度、政治面貌、婚姻状况、职业、年收入等因素有关；在较高维度数据特征情况下，1D-ICNN模型具有较好的预测效果。该方法的应用和普及能够为准确预测老年人健康状况、实现“健康老龄化提供实证依据。