在大脑小血管疾病中开发和验证认知障碍的nomogram预测模型:全面的回顾性分析

科学领域:

• 神经科学是一个神经科学.
• 老年病的医生 老年病的医生
• 医疗信息学 医疗信息学

背景情况:

• 大脑小血管疾病 (CSVD) 是老年人中普遍存在的一种神经退行性疾病.
• 脑脊髓疾病与认知障碍密切相关,因此需要早期识别风险,以便及时进行干预.

研究的目的:

• 开发一种预测模型,用于预测诊断为CSVD的患者的认知障碍风险.
• 利用机器学习技术进行精确的CSVD患者风险评估.

主要方法:

• 使用LASSO回归来进行特征选择和二进制物流回归来进行模型构建.
• 在一组CSVD患者中使用校准曲线和决策曲线分析 (DCA) 评估模型有效性.
• 开发了一个包含高血压,CSVD负担,阿波利波蛋白A1 (ApoA1) 水平和年龄的诺莫图.

主要成果:

• 该预测模型实现了高准确性,AUC值为0.866 (训练) 和0.852 (验证).
• 校准曲线证实了模型的可靠性,DCA证明了临床效用.
• 获得的灵敏度和特异性为75.3%和79.7% (培训),以及76.9%和74.0% (验证).

结论:

• 成功地应用机器学习来创建一个可靠的认知障碍在CSVD的预测模型.
• 该模型为早期检测和干预CSVD患者的认知障碍提供了有价值的工具.
• 这种方法有潜力通过启用主动管理来显著改善患者的治疗结果.