医疗卫生条件的普遍提高以及人口预期寿命的不断延长,我国面临着严峻的人口老龄化的形势。同时,以“4-2-1”或者为“8-4-2-1”为主的家庭结构使得家庭成员对老年人护理出现了缺失。因此社会力量介入老年人的护理工作成为时代所需。长期护理保险能够及时为所针对的人群筹划所需要的医疗服务和社会服务,从而减轻其家庭的负担。长期护理状态的界定是展开长期护理险工作的第一步,也是确定长期护理险所服务对象的关键性工作。因此,长期护理状态准确高效的界定对于快速开展长期护理保险工作具有重大意义。通过梳理关于划分长期护理状态有关的文献,基于马斯洛需求层次理论,对于长期护理状态的划分需要考虑生理健康以及认知功能健康这两方面。结合本文所采用的中国健康与养老追踪调查数据库中的数据,关于生理健康,本文采用日常生活自理能力指标数据作为判断受访者是否健康的依据。关于认知功能健康方面,本文结合数据库中关于受访者认知功能方面的数据以及对比中国版简易智能状态检查表,对受访者的认知功能健康状态进行评估。最终,结合受访者的生理健康状态和认知功能状态,对受访者的长期护理状态进行划分。本文首次将KNN和决策树机器学习算法应用于长期护理状态评估的工作领域中,得出以下结论:(1)利用KNN机器学习算法可直接根据中国健康与养老追踪调查数据库中的受访者原始数据构建模型,进而对受访者的长期护理状态进行精确划分,而无需研究者再利用传统方法将数据库中关于受访者的原始指标数据进行归类、评分、汇总以及划分类别,进而大大提高了长期护理状态评估工作的效率以及节省了相关的人力、物力和财力。(2)采用决策树机器学习算法结合受访者的健康指标数据,构建决策树分类模型,对影响受访者长期护理状态划分的健康指标数据进行重要性程度的排序,从而有利于研究者在可得数据较少的情况下,利用权重大的数据指标对受访者的长期护理状态进行合理有效的分类。同时对缺乏相关详细调查数据的领域,进行长期护理状态的划分提供了参考依据。