在欧洲多国调查中对可能的痴呆症分类的表现
Matthias Klee1, Kenneth M Langa2, Anja K Leist3
1Institute for Research on Socio-Economic Inequality, University of Luxembourg, Esch-sur-Alzette, Luxembourg.
Scientific reports
|March 21, 2024
概括
兰加-韦尔算法有效地识别了欧洲研究中的可能痴呆症,与机器学习模型相比,大大减少了报告不足. 这种方法在大型调查中使用最小的数据来准确地分类痴呆症.
科学领域:
- 老年学是一门学科.
- 流行病学 流行病学
- 认知科学 认知科学
背景情况:
- 在大型观察性研究中,经过验证的认知评估往往是不可行的.
- 现有的痴呆症检测算法在欧洲环境中缺乏应用.
- 痴呆症报告不足是人口健康研究的一个重大挑战.
研究的目的:
- 评估Langa-Weir (LW) 算法在欧洲范围内识别"可能的痴呆症".
- 评估算法能够考虑痴呆症患病率和报告不足的国家一级变化的能力.
- 将LW算法的性能与机器学习分类器进行比较.
主要方法:
- 在欧洲健康,衰老和退休调查 (SHARE, 2017) 中分析了56622名老年人 (60岁以上) 的数据.
- 将Langa-Weir算法与后勤回归,随机森林和XGBoost分类器进行比较.
- 与经合组织估计的"可能的痴呆症"患病率的评估.
主要成果:
- 患病率特定的LW算法减少了痴呆症低报告率,从61.0%降至30.4%.
- 在减少报告不足方面,LW算法超过了经过测试的机器学习算法.
- 由LW分类为"可能痴呆症"的参与者表现出与自我报告的医生诊断患者相似的健康和认知表现.
结论:
- 基于算法的痴呆症检测,特别是LW算法,可以适应跨国队列调查,如SHARE.
- 通过使用最小的预测器集,LW算法有效地减少了痴呆症报告不足.
- 这种方法提高了大规模观察性研究中痴呆症患病率估计的准确性.
更多相关视频
12:18A Machine Learning Approach to Design an Efficient Selective Screening of Mild Cognitive Impairment
Published on: January 11, 2020
7.5K
07:26Characterizing the Relationship Between Eye Movement Parameters and Cognitive Functions in Non-demented Parkinson's Disease Patients with Eye Tracking
Published on: September 26, 2019
7.8K
