在患有和没有阿尔茨海默氏病的人群中识别并发症模式,使用隐性迪里克莱特分配

科学领域:

• 流行病学 流行病学
• 老年病的医生 老年病的医生
• 计算语言学 计算语言学

背景情况:

• 在老年人中,多病症很普遍,这给诊断和护理带来了挑战.
• 阿尔茨海默病 (AD) 的管理因其他疾病经常同时出现而复杂化.

研究的目的:

• 在阿尔茨海默病 (AD) 患者和匹配的对照中调查和描述医疗状况的共同发生模式 (集群).
• 探索隐性迪里克莱特分配 (LDA) 在流行病学数据中识别多病症集群的实用性.

主要方法:

• 利用了药物使用和阿尔茨海默病 (MEDALZ) 研究队列,包括70,718名患有事件阿尔茨海默病的个人和匹配的芬兰对照.
• 应用潜伏迪里克莱特分配 (LDA) 集群国际疾病分类第10版 (ICD-10) 诊断代码,试验5到20个集群.
• 采用多维缩放以可视化集群变异性和相似性,比较AD和对照队列.

主要成果:

• 在20个最常见的诊断中,有17个是阿尔茨海默病和对照组共享的.
• 一个10个集群模型提供了多病态模式的最佳定性解释性,尽管定量方法没有确定特定的最佳数量.
• 与对照队列相比,AD队列在集群大小和集群间不相似性方面表现出更大的重叠和变化.

结论:

• 阿尔茨海默氏症的早期症状和症状在阿尔茨海默氏症队列中更经常聚集在一起.
• 自然语言处理技术,特别是LDA,可以有效地识别和区分流行病学研究中的多病态模式.
• 计算集群的定性识别有助于区分AD病例和对照之间的多病态概况.