基于机器学习的世界卫生组织残疾评估时间表,用于帕金森病患者

科学领域:

• 神经学 神经学
• 生物医学信息学 生物医学信息学
• 健康 结果 研究 研究 结果

背景情况:

• 世界卫生组织残疾评估表2.0 (WHODAS 2.0) 是评估帕金森病 (PD) 中残疾的标准措施.
• 开发一个更短,更有效的WHODAS 2.0版本对于PD患者的实际临床应用至关重要.

研究的目的:

• 开发一种基于机器学习的WHODAS 2.0 (ML-WHODAS) 简体形式,专门针对PD患者.
• 评估开发的ML-WHODAS与原始WHODAS 2.0.0相比的效率和有效性.

主要方法:

• 第二次数据分析使用了机器学习方法,特别是极端梯度增强 (XGBoost) 回归器.
• 数据被分为培训 (80%) 和验证 (20%) 组,以开发和测试ML-WHODAS模型.
• 使用验证数据集评估了ML-WHODAS的效率,并发有效性和融合有效性.

主要成果:

• ML-WHODAS是使用18个项目开发的,能够从原始WHODAS 2.0.0中复制6个域名分数和1个全球分数.
• 在验证数据集中,ML-WHODAS表现出非常高的并发有效性,与WHODAS 2.0.0相比,Pearson系数 (r) 在0.97到0.99之间.
• 显著的相关性证实了ML-WHODAS的域和全球分数的融合有效性.

结论:

• ML-WHODAS在评估帕金森病患者的残疾方面表现出强大的效率和有效性.
• 该ML-WHODAS为完整的WHODAS 2.0提供了一个有希望的替代方案,尽管建议进行进一步的验证研究.
• 未来的研究应该专注于ML-WHODAS的测试-重新测试可靠性和响应性.