社会的健康決定要因を用いた認知機能低下の予測モデル

科学分野:

• 老年医学
• 公衆衛生学
• 計算神経科学

背景:

• アルツハイマー病および関連認知症（AD/ADRD）の早期診断は極めて重要であるが、特に資源の少ない地域では、バイオマーカーへのアクセスが限られていることが妨げとなっている。
• 認知機能低下のリスクがある個人を特定するためのアクセス可能な方法が必要である。

研究 の 目的:

• 容易に入手可能な調査データを用いて認知機能低下を予測するための機械学習モデルを開発・検証すること。
• モデルの解釈可能性と多様な集団における公平性を確保すること。

主な方法:

• メキシコ健康・高齢化調査（MHAS）の縦断データを用いて、スタックドアンサンブル機械学習モデルを開発した。
• このモデルは、人口統計学的、ライフスタイル、および健康の社会的決定要因（SDoH）変数を利用した。
• Ridge回帰メタモデルは、Random Forest、LightGBM、XGBoost、Lasso、K-Nearest Neighborsのベースモデルの予測を組み合わせた。

主要な成果:

• 予測モデルは、保持されたテストセットにおいて、平均二乗誤差（RMSE）39.25（認知スコア範囲の10.2%）を達成した。主要な予測因子には、教育、年齢、読書習慣、生活状況、社会的関与、および親の教育が含まれていた。公平性分析は、教育年数7〜9年の人々のような、過小評価されているサブグループにおける潜在的なバイアスを示唆した。

結論:

• アクセス可能で低コストなSDoH調査データは、高齢化する集団における認知機能低下リスクを効果的に予測できる。
• 公平性評価を予測モデリングに統合することは、多様なグループにおける公平な適用に不可欠である。
• このアプローチは、特に資源が限られている状況でのAD/ADRDの早期検出を支持する。