使用无监督机器学习检测阿尔茨海默病的多病态模式:全国一项紧急诊所研究 (2007-2022)

科学领域:

• 老年医学 老年医学
• 神经学 神经学
• 医疗保健服务研究 医疗服务研究

背景情况:

• 阿尔茨海默病 (AD) 患者向急诊室 (ED) 呈现复杂的并发症.
• 了解阿尔茨海默病患者多病态模式的时间变化对于有效的护理至关重要.
• 现有的研究缺乏洞察力,了解在AD相关的ED访问中演变的并发症表型.

研究的目的:

• 为了确定老年患有AD的老年人之间基于并发症的表型的时间变化,访问EDs.
• 分析2007年至2022年间多发病率模式的变化.
• 应用无监督聚类来了解不断变化的AD患者个人资料.

主要方法:

• 全国急诊部样本 (NEDS) 数据对年龄≥60岁,患有阿尔茨海默病的成年人进行分析 (2007年,2012年,2017年,2022年).
• 每年将ICD-9/10代码映射到30种临床相关的并发病.
• 应用k-means聚类来识别并发症子组和热图用于时间组成分析.

主要成果:

• 在整个研究期间,发现了四个稳定但不断发展的并发症群.
• 早期群体 (2007-2012) 显示心血管和呼吸系统疾病占主导地位.
• 最近的队列 (2017-2022) 呈现出非特异性,脆弱性相关症状 (例如,疲劳,GERD) 的患病率增加.
• 记录AD的ED访问的比例下降了,可能是由于编码转移或诊断覆盖.

结论:

• 与AD相关的ED访问的并发病情景正在演变,转向更模糊的综合征和复杂的多病症.
• 这些发现强调了在紧急护理中需要对痴呆症有意识的分类和动态表型化.
• 改进的策略对于在ED环境中管理认知障碍的老年人至关重要.