在残疾老年人中认知障碍的预测模型:发展和验证研究
Xiangyu Cui1, Xiaoyu Zheng1, Yun Lu1
1School of International Pharmaceutical Business, China Pharmaceutical University, 639 Longmian Avenue, Jiangning District, Nanjing 211198, China.
Healthcare (Basel, Switzerland)
|May 24, 2024
概括
一个新的预测模型有效地识别了残疾老年人的认知障碍风险. 这种基于逻辑回归和名图的工具有助于早期发现和管理认知衰退.
科学领域:
- 老年学是一门学科.
- 神经学 神经学
- 公共卫生 公共卫生
背景情况:
- 身体残疾的老年人面临着认知障碍的高风险.
- 早期识别认知障碍对于减少疾病负担至关重要.
- 现有的预测工具可能无法充分解决这一脆弱群体.
研究的目的:
- 开发和验证一个强大的预测模型,用于识别残疾老年人的认知障碍.
- 将物流回归与机器学习模型 (SVM,随机森林,XGBoost) 的性能进行比较.
- 为实际临床应用创建一个用户友好的名ogram.
主要方法:
- 利用了2138名参与者的大型队列进行模型开发和两个外部验证集 (501名和746名参与者).
- 使用后勤回归,支持向量机,随机森林和XGBoost算法.
- 基于从物流回归模型的显著预测因素开发了一个名ogram.
主要成果:
- 与机器学习模型相比,逻辑回归显示出更高的预测性能 (AUC=0.875).
- 后勤回归模型实现了高精度 (0.808),规格 (0.788),灵敏度 (0.770),以及F1得分 (0.788).
- 最终的名图,包括年龄,日常生活活动,日常生活的仪器活动,听力和视力障碍,显示出强烈的验证 (AUC:0.871,0.825,0.863).
结论:
- 一个基于逻辑回归的名图有效地预测残疾老年人的认知障碍.
- 命名图为早期风险识别提供了一种可靠且易于使用的工具.
- 这种模型可以支持及时干预,以减轻这一群体认知能力下降的影响.
