Previsão da fragilidade em idosos comunitários com base no aprendizado de máquina: revisão sistemática e meta-análise

MetanáliseNível 1 · Evidência consolidadaFrontiers in public health12 jan 20268 citações

O que aconteceu

Um número crescente de modelos preditivos de fragilidade em idosos residentes na comunidade está sendo desenvolvido utilizando métodos de aprendizado de máquina. Diferenças entre desempenhos de modelo limitam sua aplicação prática. Portanto, realizamos uma revisão sistemática e metanálise para resumir e avaliar o desempenho e aplicabilidade clínica desses modelos de predição de risco. Foram pesquisados o PubMed, Web of Science, Embase, Cochrane Library, Scopus, CINAHL, SinoMed, VIP, CNKI e Wanfang. O tempo de busca foi do banco de dados até 10 de junho de 2025. O instrumento de avaliação PROBAST+AI foi utilizado para avaliar a qualidade do estudo e uma metanálise da área sob a curva (AUC) foi realizada utilizando o software Stata18.0. https://www.crd.york.ac.uk/PROSPERO/view/CRD420251071061, identificador CRD420251071061.

O que encontraram

Foram incluídos 10 estudos e foram desenvolvidos 45 modelos de Aprendizado de Máquinas (ML), dos quais 36 modelos foram desenvolvidos para validação interna e 9 para validação externa. No conjunto interno de validação, a AUC agrupada para estudos de predição de fragilidade basal foi de 0,878 (IC 95% 0,799; 0,958), enquanto a AUC agrupada para estudos de predição de fragilidade longitudinal foi de 0,730 (0,670; 0,790). Quando todos os estudos foram agrupados sem distinguir os momentos de previsão, a AUC global agrupada foi de 0,786 (IC 95% 0,697, 0,875).

Por que isso importa

Embora a maioria dos modelos incluídos tenha tido boa discriminação e calibração, a qualidade geral e aplicabilidade do presente estudo ainda são problemáticas. Em estudos futuros, os pesquisadores devem seguir o TRIPOD+. Declaração de IA e a lista PROBAST+AI para construir modelos preditivos de alta qualidade e mais aplicáveis.

Tradução automática do resumo original, publicado em Frontiers in public health sob licença CC BY. Os números são conferidos contra o original; siglas e termos técnicos podem variar.