用机器学习方法识别与阿尔茨海默病阶段之间的转换相关的配置文件,使用机器学习方法
Virginie Dauphinot1, Marie Laurent2, Martin Prodel2
1Clinical and Research Memory Centre, Lyon Institute For Aging, Charpennes Hospital, Hospices Civils de Lyon, 27 rue Gabriel Péri, Villeurbanne, Lyon, 69100, France. virginie.dauphinot@chu-lyon.fr.
Alzheimer's research & therapy
|July 26, 2024
概括
心血管问题,焦虑,社会隔离,骨质疏松症和听力损失加快了阿尔茨海默病 (AD) 的进展. 像胆酶抑制剂这样的治疗可能会延迟跨AD阶段的转化.
科学领域:
- 神经科学是一个神经科学.
- 老年学是一门学科.
- 医疗信息学 医疗信息学
背景情况:
- 了解阿尔茨海默病 (AD) 的进展是减缓其进展的关键.
- 识别影响AD阶段之间过渡的因素对于有效的干预至关重要.
研究的目的:
- 评估与AD阶段转换相关的因素及其组合.
- 为了确定与最早或最晚的AD转换相关的患者个人资料.
主要方法:
- 在现实世界的MEMORA队列数据 (2013-2019) 上利用机器学习.
- 分析了社会人口统计,并发病,药物和住院情况.
- 从轻度认知障碍 (MCI) 转化为AD痴呆症和痴呆症严重程度阶段的评估时间.
主要成果:
- 分析了2891名患者;61%的MCI患者转化为AD痴呆症.
- 心血管并发症,焦虑,社会隔离,骨质疏松症和听力障碍与早期转化相关.
- 胆酶抑制剂与晚期从轻度到中度/重度AD痴呆症的转化有关.
结论:
- 机器学习确定了影响AD阶段转换的潜在可修改因素.
- 及时针对已识别的因素进行干预,可能有助于延缓阿尔茨海默病的进展.
