使用电子健康记录数据预测轻度认知障碍的风险

科学领域:

• 老年学是一门学科.
• 医疗信息学 医疗信息学
• 神经学 神经学

背景情况:

• 轻度认知障碍 (MCI) 经常被初级保健提供者诊断不足,检测率在6%至15%之间.
• 预测模型对于识别有风险的个体至关重要,能够及时干预认知健康.
• 早期发现MCI对于管理认知衰退和改善患者结果至关重要.

研究的目的:

• 开发和验证一种机器学习模型,用于使用电子健康记录 (EHR) 预测轻度认知障碍 (MCI) 风险.
• 确定作为MCI预测因素的关键人口因素和并发症.
• 为初级保健提供者创建一个实用的选工具,以帮助检测MCI.

主要方法:

• 一项回顾性研究分析了271,054名没有认知障碍的个体和14,501名经由EHR数据确认的MCI.
• 使用数据驱动的变量选择方法开发了一种机器学习模型,重点关注人口统计和并发症.
• 该模型通过使用不同年龄组的曲线下面积 (AUC) 度量来评估预测性表现.

主要成果:

• 最终的模型使用了从最初的101个中选择的26个变量,获得了86%的整体AUC.
• 预测性能因年龄组而异,AUC为79.1% (40-49),77.0% (50-64),76.9% (65-79) 和74.4% (≥80).
• 该模型在年轻年龄组中显示出更高的预测准确性.

结论:

• 人口因素和并发症是MCI风险的重要预测因素.
• 开发的机器学习模型显示出强大的预测能力,可以作为PCP的有效分类工具.
• 实施该工具可以促进早期识别和治疗MCI患者,改善老龄化人口的管理.