使用机器学习模型预测COPD患者轻度认知障碍的风险:一项多队列研究
Xiang Tang1,2, Shuyuan Li1,2, Hongjiang Liu1,2
1Thoracic Surgery Laboratory, Xuzhou Medical University, Xuzhou, Jiangsu, 221006, China.
机器学习准确地预测慢性阻塞性肺病 (COPD) 患者的轻度认知障碍 (MCI) 风险. 早期识别高风险个体有助于及时干预和改善患者护理.
科学领域:
- 医疗信息学 医疗信息学
- 肺部病理学 肺部病理学
- 神经学 神经学
背景情况:
- 对慢性阻塞性肺病 (COPD) 患者来说,认知功能评估至关重要.
- 轻度认知障碍 (MCI) 是COPD患者的一个担忧,需要预测工具.
- 机器学习为开发COPD中MCI风险预测模型提供了潜力.
研究的目的:
- 在慢性阻塞性肺病 (COPD) 患者中构建基于机器学习的轻度认知障碍 (MCI) 风险预测模型.
- 确定最佳的机器学习模型来预测COPD患者的MCI风险.
- 使用外部数据集验证模型的性能,并阐明关键预测特征.
主要方法:
- 利用来自中国健康与退休长度研究 (CHARLS) 的2142名COPD患者的数据.
- 将LASSO回归应用于屏幕预测器,并将其集成到五个机器学习模型中:逻辑回归,神经网络,XGBoost,LightGBM和随机森林.
- 使用歧视 (AUC-ROC),校准 (Brier分数,校准曲线) 和临床实用性 (决策曲线分析) 评估模型性能,在健康和退休研究 (HRS) 数据集上进行外部验证. SHAP分析确定了特征贡献.
主要成果:
- 轻GBM模型在歧视,校准和临床实用性指标方面表现出卓越的性能,AUROC值从0.722到0.782.
- 选择了11个预测变量,在COPD患者中预测MCI最重要的8个特征被确定为性别,居住地,日常生活工具活动 (IADL) 评分,教育水平,社会活动参与,婚姻状况,互联网使用和抑郁症.
- 该研究成功构建并验证了一种用于预测COPD中MCI风险的机器学习模型.
结论:
- 开发的机器学习模型准确地预测了慢性阻塞性肺病 (COPD) 患者轻度认知障碍 (MCI) 的风险.
- 早期识别高风险个体可以及时进行临床干预.
- 通过在COPD患者中早期检测MCI,可以实施改善的患者护理和管理策略.
更多相关视频
06:22Machine Learning-Based Cough Tone Classification: Diagnostic Exploration of Chronic Obstructive Pulmonary Disease and Respiratory Tract Infections
Published on: September 19, 2025
07:31Implementation of a Real-Time Psychosis Risk Detection and Alerting System Based on Electronic Health Records using CogStack
Published on: May 15, 2020
相关概念视频
Chronic Obstructive Pulmonary Disease-IV: Assessement and Diagnostic Studies
Medical History
COPD: Pathogenesis and Clinical Features
The primary cause for the onset of COPD is cigarette smoking and exposure to air pollution. These hazardous factors initiate a chain reaction within the lungs, resulting in chronic inflammation, damage to the airways, and a...
Chronic Obstructive Pulmonary Disease-I: Introduction
COPD: Management Using Bronchodilators and Corticosteroids
