在早期帕金森病患者中确定纵向运动症状严重度轨迹的亚型

科学领域:

• 神经学
• 数据科学
• 生物统计学

背景情况:

• 帕金森病患者的运动症状显著影响日常活动.
• 了解不同的运动症状进展模式对于有效的PD长期治疗至关重要.
• 帕金森病进展标记计划 (PPMI) 数据库为此类研究提供了有价值的纵向数据.

研究的目的:

• 确定PD患者运动症状进展的不同纵向轨迹集群.
• 将基线特征进行比较,并预测已识别的群体中的临床里程碑.
• 开发一个预测模型,将患者分为个性化干预的轨迹集群.

主要方法:

• 使用无监督的自我组织图 (SOM) 来识别不同的运动症状进展群.
• 使用线性混合效应和生存分析来评估纵向症状过程和临床里程碑的时间.
• 开发并验证了支持向量机 (SVM) 模型,用于预测患者轨迹集群,并使用Shapley值进行解释.

主要成果:

• 在PD患者中发现了三种不同的运动症状进展轨迹.
• 在5年内,渐进的群体表现出更快的枢纽运动症状恶化和更高的平衡障碍,独立性丧失,睡眠障碍和认知衰退的可能性.
• 多类SVM模型的平均AUC为0.8846,准确度为0.7692,宏F1得分为0.7778,并开发了一种用于预测的交互式Web应用程序.

结论:

• 将帕金森病的运动症状进展分类为不同的轨迹可以提高患者的治疗策略.
• 使用基线数据预测个别患者的发展轨迹可以促进针对性的干预措施的开发.
• 这种方法为帕金森病患者提供了更加个性化和主动的护理.