基于临床特征和DNA甲基化模型预测中风后抑郁症风险的诺莫格拉姆模型
Shihang Luo1, Fan Liu2, Qiao Liao2
1The Affiliated Nanhua Hospital, Department of Neurology, Hengyang Medical School, University of South China, Hengyang, Hunan, China.
PeerJ
|October 17, 2023
概括
这项研究开发了一个名图模型,使用早期临床数据和DNA甲基化水平来预测中风后抑郁症 (PSD) 风险. 该模型准确地识别了高风险的患者,以便及时干预并预防中风后的抑郁症.
科学领域:
- 神经科学是一个神经科学.
- 遗传学 遗传学 是一个
- 临床医学 临床医学
背景情况:
- 脑卒中后抑郁症 (PSD) 是影响患者康复的常见并发症.
- 早期预测PSD对于及时干预和改善结果至关重要.
- 确定PSD可靠的预测因子仍然是一个临床挑战.
研究的目的:
- 开发和验证一个全面的诺莫格拉姆模型来预测中风后抑郁症 (PSD) 的风险.
- 将轻松收集的早期临床数据与DNA甲基化水平相结合,以提高预测准确度.
- 为中风患者早期识别和预防PSD提供一个工具.
主要方法:
- 招募了226名急性缺血性中风患者的队列,并跟踪了三个月.
- 在入院时收集了临床数据,社会人口统计指标和血管风险因素.
- 在外围血液样本上进行了DNA甲基化测序,并使用后勤回归分析构建了一个名谱模型.
主要成果:
- 使用七个显著变量建立了一个名录模型,包括临床因素和cg02550950.0的甲基化水平.
- 该模型在训练组中显示出出色的预测性能,C指数为0.937和AUC为0.933.
- 验证分析证实了该模型的稳定性,其C指数为0.953,AUC为0.926.
结论:
- 性别,兰金得分,超脂血病史,住院时间,中风位置,NIHSS得分和cg02550950甲基化是PSD的重要预测因素.
- 开发的纳米图模型,结合甲基化特征,为预测PSD风险提供了可靠的工具.
- 这个模型可以帮助临床医生在早期PSD风险评估和预防策略.
更多相关视频
07:31Implementation of a Real-Time Psychosis Risk Detection and Alerting System Based on Electronic Health Records using CogStack
Published on: May 15, 2020
7.1K
09:47Author Spotlight: Advancing Alzheimer's Research – Exploring Early Detection and Multi-Omics Approaches
Published on: December 15, 2023
1.1K
