老年人寿命预测方法、设备及计算机可读存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115841872A(43)申请公布日2023.03.24(21)申请号202310149845.6(22)申请日2023.02.22(71)申请人中国疾病预防控制中心环境与健康相关产品安全所地址100021北京市朝阳区潘家园南里7号(72)发明人施小明吕跃斌周锦辉刘思馨叶丽红陈晨王君叶佳明(51)Int.Cl.G16H50/30(2018.01)G06F17/11(2006.01)G06N20/00(2019.01)权利要求书2页说明书12页附图3页(54)发明名称老年人寿命预测方法、设备及计算机可读存储介质(57)摘要本发明公开了一种老年人寿命预测方法、设备及计算机可读存储介质，该老年人寿命预测方法包括：从历史寿命研究资料获取与寿命相关的人口统计学资料、生理健康资料及日常生活方式构成基础变量；从所述基础变量中筛选出影响寿命的关键变量；根据所述关键变量构建并训练回归模型；根据训练完成的回归模型建立老年人寿命预测工具；基于所述老年人寿命预测工具进行老年人寿命预测。本发明的老年人寿命预测方法能够更为简单和经济地实现老年人个体的寿命预测。CN115841872ACN115841872A权利要求书1/2页1.一种老年人寿命预测方法，其特征在于，包括：从历史寿命研究资料获取与寿命相关的人口统计学资料、生理健康资料及日常生活方式构成基础变量；从所述基础变量中筛选出影响寿命的关键变量；根据所述关键变量构建并训练回归模型；根据训练完成的回归模型建立老年人寿命预测工具；基于所述老年人寿命预测工具进行老年人寿命预测。2.如权利要求1所述的老年人寿命预测方法，其特征在于，从所述基础变量中筛选出影响寿命的关键变量，包括：根据LASSO回归算法所述基础变量中筛选出影响寿命的关键变量，这其中，取距离最小均方误差一个标准误的值作为变量筛选所需的λ值。3.如权利要求1所述的老年人寿命预测方法，其特征在于，根据所述关键变量构建并训练回归模型，包括：根据所述关键变量构建并训练多元线性回归模型，以得到老年人寿命预测所需的目标多元线性回归模型。4.如权利要求3所述的老年人寿命预测方法，其特征在于，根据所述关键变量构建并训练多元线性回归模型，以得到老年人寿命预测所需的目标多元线性回归模型，包括：根据所述关键变量构建第一多元线性回归方程；根据所述关键变量的关联数据拟合第一多元线性回归方程；根据第一多元线性回归方程拟合后的各个关键变量的显著性，从所述关键变量中筛选出显著影响寿命的有效变量；根据所述有效变量构建第二多元线性回归方程；根据所述有效变量的关联数据拟合第二多元线性回归方程，得到所需的目标多元线性回归模型。5.如权利要求4所述的老年人寿命预测方法，其特征在于，有效变量包括连续数值型变量和分组变量，其中，所述连续数值型变量包括以下变量：年龄、心理健康评分、简易精神状态量表评分、日常生活自理能力评分；所述分组变量包括以下变量：性别、民族、居住地、婚姻状况、吸烟情况、饮酒情况、锻炼情况、做家务情况、从事园艺活动情况、打牌或打麻将情况、饲养家畜情况、看电视或听广播情况、自评健康状况、糖尿病、心脏病、呼吸系统疾病、癌症；这其中，每一所述分组变量包括至少一个参考变量和至少一个哑变量。6.如权利要求4所述的老年人寿命预测方法，其特征在于，所述第二多元线性回归方程的表达式如下：预期寿命=14.236+0.880*年龄+0.573*女性+0.282*少数民族+0.116*农村+0.336*已婚‑0.149*现在吸烟‑0.206*曾经吸烟+0.074*现在饮酒‑0.181*曾经饮酒+0.219*现在锻炼+0.010*曾经锻炼+0.260*偶尔做家务+0.249*经常做家务+0.313*偶尔从事园艺活动+0.281*经常从事园艺活动+0.109*偶尔打牌或打麻将+0.422*经常打牌或打麻将+0.167*偶2CN115841872A权利要求书2/2页尔饲养家畜+0.572*经常饲养家畜+0.016*偶尔看电视或听广播+0.153*经常看电视或听广播+0.249*自评健康状况非常好+0.207*自评健康状况良好‑0.182*自评健康状况差‑0.247*自评健康状况非常差+0.021*心理健康评分+0.022*简易精神状态量表评分‑0.119*日常生活自理能力评分‑0.907*患糖尿病‑0.213*患心脏病‑0.177*患呼吸系统疾病‑1.063*患癌症。7.如权利要求6所述的老年人寿命预测方法，其特征在于，所述老年人寿命预测方法还包括：通过Bootstrap重新采样评估模型性能。8.如权利要求1至7中任一项所述的老年人寿命预测方法，其特征在于，所述老年人寿命预测工具包括变量输入模块和预期寿命输出模块，其中，所述预期寿命输出模