公衆衛生 | JoVE Visualize

科学分野:

神経学; データサイエンス; 老年医学

背景:

脳卒中はアルツハイマー病および関連認知症（ADRD）の重要な危険因子であり、脳卒中後1年目でリスクが3倍になります。実世界の臨床データを用いた機械学習による脳卒中後認知症の予測に関する研究は限られています。電子カルテ（EHR）は、予測モデルを開発するための貴重なリソースを提供します。

研究の目的:

脳卒中後の1年以内のADRDリスクを特定するための様々な予測モデリングアプローチを評価すること。脳卒中後の認知症予測に電子カルテ（EHR）を活用すること。機械学習アルゴリズムと従来の統計的手法との性能を比較すること。

主な方法:

2018年に初めて脳卒中を経験した成人患者のTriNetXネットワークからEHRデータを抽出しました。ロジスティック回帰（LR-Back、LR-LASSO、LR-Ridge）、ランダムフォレスト（RF）、LightGBM、およびXGBoostの6つの予測モデルを開発し、比較しました。人口統計学的データ、バイタルサイン、検査結果、併存疾患、および薬剤服用歴を組み込みました。精度とAUC-ROCを使用して性能を評価しました。

主要な成果:

55,888人の脳卒中患者のうち8%が1年以内にADRDを発症しました。XGBoostおよびLightGBMモデルは最も高い予測性能を示し、精度は92%を超え、AUCは約0.83でした。人口統計学的要因、併存疾患、および薬剤の使用は、ADRD症例において重要な予測因子でした。

結論:

機械学習および従来の統計モデルは、EHRデータを使用して脳卒中後1年間の認知症リスクを効果的に予測できます。これらの予測モデルは、標的モニタリングおよび早期介入のためのハイリスク個人の特定に役立ちます。さらなる研究により、脳卒中生存者のケアにおける臨床応用のためにこれらのモデルを洗練することができます。