《International Journal of Nursing Studies》：Construction of a classification system for long-term care service needs among the elderly based on cluster analysis and machine learning: A multi-center, cross-sectional study in central China
编辑推荐：
全球老龄化加速了老年人长期护理服务需求，但现有系统资源不足。本研究通过聚类分析和机器学习构建分类系统，准确识别五类需求，指导资源合理分配，为可持续护理体系发展提供科学依据。
Fang Li|Weihong Huang|Yuting Zeng|Yanfang Long|Jing Peng|Jianzhong Hu|Jing Li|Xi Chen|Li Li
中南大学湘雅医院临床护理教学与研究部，中国湖南省长沙市
摘要
背景
全球快速老龄化导致对老年人长期护理服务的需求不断增加；然而，目前的长期护理系统发展不足且资源匮乏。因此，有必要开发一个有效的分类系统，以指导根据老年人需求进行资源分配。
目的
本研究旨在基于聚类分析和机器学习方法，构建一个用于评估老年人长期护理服务需求的分类系统。
参与者
1270名年龄≥65岁的老年人，他们被随机分为训练集（70%）和测试集（30%）。
方法
根据护理人员、护士和医生的服务时间进行聚类分析。利用机器学习方法，根据社会人口统计信息和17个长期护理服务需求的次要指标来确定分类标准。根据测试集的准确性和曲线下面积选择最佳模型，并使用Shapley Additive exPlanations方法对其进行解释。
结果
确定了五个长期护理服务需求群体，各群体的参与人数和比例分别为：612人（48.2%）、299人（23.5%）、172人（13.5%）、150人（11.8%）和37人（2.9%）。这些群体在社会人口统计特征和长期护理服务需求方面存在显著差异。随机森林模型在所有测试模型中表现出最佳的预测性能。Shapley Additive exPlanations方法识别出对随机森林模型预测影响最大的10个特征。
结论
该长期护理服务需求分类系统能够准确区分不同需求的老年人，从而指导最佳的服务分配，促进长期护理服务系统的可持续发展。
试验注册
该试验已在中南大学湘雅医院伦理委员会注册（编号202105083），注册日期为2021年5月，首次招募时间为2021年6月。
研究内容摘要
已有研究
- •
老年人对长期护理服务的需求快速增长，远远超过了现有支持系统的容量，这对长期护理系统的可持续性构成了重大挑战。
- •
国际上，一些国家采用基于时间的测量方法来评估老年人的长期护理需求，这可能导致护理成本增加和公共财政压力。
- •
在中国，评估长期护理需求的主要方法是基于能力评估。
本文的贡献
- •
本研究开发了一个基于机器学习的老年人长期护理需求分类系统，并识别出五个需求群体。
- •
该分类系统以服务时间为核心变量，建立了长期护理需求与老年人具体护理项目之间的直接关联，从而实现了护理需求的客观量化。
- •
该分类系统能够准确区分不同水平的长期护理需求。
研究设计、地点和参与者
这是一项在2021年6月至2022年12月期间在中国湖南省长沙市进行的多中心横断面研究。采用多阶段随机抽样方法招募参与者。第一阶段从长沙市（包含六个区、一个县和两个县级市）的行政区划中随机选取三个区；第二阶段从每个选定的区中随机选取一个社区和一个养老机构。
聚类分析
图1显示，当k=5时SSE开始放缓，尤其是在k=6到10之间；表明k=5或k=6都是可行的选项。SSB持续增加，但在k=6时增长率开始放缓。k=5时intraDPS较低（2.36），之后略有波动。interDPS在k=5时达到局部最大值（11.48），随后下降。综上所述，选择k=5作为最佳值，因为SSE和SSB曲线趋于稳定，且intraDPS和interDPS也趋于稳定。
讨论
本研究开发了一个有效的分类系统，根据老年人的长期护理服务需求将他们分为五个群体。最终选择随机森林模型作为分类工具，因为它通过多种机器学习方法实现了高准确性。该分类系统能够准确识别老年人不同的服务需求水平，这些需求是由护理人员、护士和医生共同感知的，为优化资源分配提供了科学依据。
优势与局限性
本研究基于护理人员、护士和医生提供的不同长期护理服务需求开发了一个分类系统。一方面，它为根据不同老年人群体需求定制长期护理服务提供了科学依据；另一方面，它使用客观指标量化了长期护理服务的强度，为合理分配人力资源和成本提供了坚实基础。
尽管如此，仍存在一些局限性。
意义
识别老年人不同的长期护理服务需求群体具有重要的实际和政策意义。需求较低的群体（第1组）所需服务时间最少，这提示我们需要重新思考如何支持健康老龄化，重点应放在预防和可持续性上，而不仅仅是危机干预。通过战略性地投资和支持这一群体，政策制定者可以促进“长寿经济”，从而带来经济和社会效益。
结论
本研究利用聚类分析和机器学习方法开发了一个老年人长期护理服务需求分类系统。该系统能够快速筛选出有需求的老年人，并精确量化他们的护理需求，为进一步的服务推荐和分配提供了科学依据。该系统与服务成本紧密集成，实现了长期护理资源与实际需求的精准匹配。这种方法为
作者贡献声明
Fang Li：撰写初稿、可视化处理、数据验证、资源协调、项目管理、方法设计、研究实施、资金筹集、数据分析。Weihong Huang：撰写与编辑、监督、概念框架制定。Yuting Zeng：撰写初稿、数据整理。Yanfang Long：数据分析、概念框架制定。Jing Peng：软件开发、资源协调。Jianzhong Hu：撰写与编辑、资金筹集、概念框架制定。Jing Li：资源协调、数据管理。
资金支持
本研究得到了湖南省自然科学基金（项目编号2024JJ6702、2021JJ70144）和国家重点研发计划（项目编号2018YFC2002400）的支持。
未引用参考文献
中国国家统计局，2021年
Wang, 1990
利益冲突声明
作者声明他们没有已知的财务利益或个人关系可能影响本文的研究结果。
致谢
作者感谢三个社区和五个养老机构的管理层、工作人员以及所有参与者的支持。
