Name: 设计轻度认知障碍有效选择性筛查的机器学习方法 (视频) | JoVE Journal
Uploaded: 2020-01-11T12:00:00.000+00:00
Duration: 12 min 18 s
Description: 了解如何利用机器学习方法设计轻度认知障碍的有效选择性筛查方案。该方法通过决策树识别高风险人群，将筛查成本降低62%，同时保持76%的敏感性，适用于老年人群的早期认知障碍检测。

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

本研究得益于Know Alzheimer基金会的支持，以及CEU圣佩德罗·德·阿尔坎塔拉大学多媒体制作服务部门的帮助，特别是恩里克·希内尔（Enrique Giner）。我们谨向所有参与药房（SEFAC）的工作表示感谢，并向初级保健医师协会（SEMERGEN）和神经病学协会（SVN）的协作医生致以谢意，他们在轻度认知障碍（MCI）的诊断中提供了协助，特别是维森特·加苏尔（Vicente Gassull）、拉斐尔·桑切斯（Rafael Sánchez）和霍尔迪·佩雷斯（Jordi Pérez）。最后，我们感谢所有同意参与本研究的人员。

本研究采用的方法此前已在瓦伦西亚地区（西班牙）与西班牙家庭与社区药学学会（SEFAC）相关的社区药店开展的研究中发表5，该研究由CEU红衣主教贝拉大学完成。本研究于2011年3月经CEU红衣主教贝拉大学研究伦理委员会审查并批准（批准号：CEI11/001）。所有参与本研究的个体均按照《赫尔辛基宣言》的要求签署了书面知情同意书。
1. 与轻度认知障碍相关的因素选择
<ol>
	<li>检索与轻度认知障碍（MCI）相关的术语，用于筛选Cochrane系统综述（例如：认知障碍、痴呆、风险因素等）。</li>
	<li>检索在PubMed数据库中已有部分证据表明与认知衰退或痴呆相关的术语；这些术语包括人口学因素（性别、年龄、教育水平和经济状况）、社会因素（认知活动和社会活动）、慢性疾病（胆固醇、抑郁、高血压、糖尿病和肥胖）以及生活方式行为（饮酒、吸烟习惯、饮食、体力活动和睡眠时长）。</li>
	<li>计算定性变量的比值比或定量变量的Cohen's d效应量15。选择对认知衰退或痴呆具有较大效应量的变量，用于设计问卷。</li>
</ol>
2. 问卷设计
<ol>
	<li>根据 Nardi 提供的指南设计问卷，以收集所选变量的相关信息16。例如，Climent 等人5研究中使用的变量包括人口统计学信息（年龄、体重和身高[采用经校准的秤和身高计，通过标准化程序测量]、性别、教育水平和职业类型）、生活方式（体育锻炼、阅读、夜间和白天睡眠时间、解谜活动、游戏、看电视时间以及烟草和酒精摄入情况）以及慢性疾病（高血压、高脂血症和糖尿病）。此外，应记录抑郁症状的有无，因为抑郁常与认知功能下降相关。</li>
	<li>设计一份药物治疗随访表，用于记录受访者在访谈时正在使用的所有药物，如 Climent 等人5所采用的方法，并依据 Dader 方法17设计该表格。</li>
</ol>
3. 轻度认知障碍筛查测试的选择
<ol>
	<li>确定所有可用于筛查轻度认知障碍（MCI）且可由初级卫生保健人员（如药师）实施的检测工具。排除任何必须由专科医生实施的检测。符合这些条件的部分检测工具包括 简易便携式精神状态问卷 （SPMSQ）18, 简易精神状态检查 （MMSE）19, 记忆障碍筛查 （MIS）20, 图片记忆障碍筛查 （PMIS）21, 蒙特利尔认知评估 蒙特利尔认知评估（MoCA）22, 圣路易斯大学精神状态检查 （SLUMS）23，以及 快速轻度认知障碍 (Qmci)24Cullen 等人对每种轻度认知障碍（MCI）测试进行了详尽的综述。25.</li>
	<li>在科学文献中查找对检验敏感性和特异性的良好估计值。</li>
	<li>估算向健康个体施测这些测试所需的时间。</li>
	<li>考虑完成这些测试所需的基本患者特征。例如，可能需要最低教育水平，因为许多轻度认知障碍（MCI）测试不适用于文盲受试者。通常会采用一组MCI筛查测试以提高敏感性；然而，若最终的选择性筛查面向大规模人群，则药剂师必须能够快速施测最少数量的测试。Climent et al.5 使用MMSE和SPMSQ量表评估轻度认知障碍（MCI），其中SPMSQ适用于大量在西班牙内战时期成长且不识字的个体。
	<ol>
		<li>使用 Pfeiffer 设计的简易精神状态问卷（SPMSQ）的一种变体18 由 Martínez de la Iglesia 用西班牙语进行了验证26该测试满分为10分，判定认知功能障碍的临界值为出现3个或以上错误（文盲个体为4个或以上错误）。完成该测试需要8至10分钟。</li>
		<li>使用经过 Blesa 验证的适用于西班牙语使用者的 NORMACODERM 版本 MMSE27 通过调整Folstein的原始版本19该筛查测试的最高得分为30分，并根据受试者的受教育年限和年龄进行校正。得分小于或等于24分的参与者被视为轻度认知障碍（MCI）病例。简易精神状态检查（MMSE）用于评估一般认知功能，内容包括时间与地点定向力、书面与口头语言能力、注意力、计算力和记忆力。由于该测试非常简短，完成时间仅需约5分钟，因此本研究对所有参与者均实施了MMSE评估。</li>
	</ol>
	</li>
</ol>
4. 受试者招募
<ol>
	<li>寻找愿意招募非机构化人群的药剂师，以组成研究人群。Climent 等人5提到的研究纳入了年龄在65岁及以上、定期前往药房并同意参与本研究的个体。排除任何难以完成评估测试的患者（例如因失明、失聪等原因）或已被诊断并接受痴呆治疗的患者。</li>
	<li>向参与研究的药剂师提供知情同意书，每位参与者均需填写。该同意书须明确研究的标题、项目目标、对参与者将参与的所有程序的通俗解释、无特定风险的说明、所收集数据的保密性，以及参与者在任何时间因任何原因退出研究的权利。</li>
	<li>培训药剂师对参与者进行结构化个人访谈，每次访谈时间约为每人半小时。收集为期1年的数据，并将所有表格发送给负责本研究数据保护的研究人员。随后对患者进行为期3个月的随访。</li>
	<li>指导药剂师如何使用轻度认知障碍（MCI）测试识别可能的MCI病例。根据 Climent 等人5的研究，文盲参与者SPMSQ评分≥4分，其他参与者≥3分，以及校正后MMSE测试评分≤24分者被认定为可能病例。</li>
	<li>指导药剂师如何将MCI病例转诊至医学专科医生（神经科医生）进行临床诊断——这是本研究使用流程图中的最后一步（图1）。</li>
</ol>
<img alt="图 1" class="xfigimg" src="/files/ftp_upload/59649/59649fig1.jpg" /> 
图 1：研究流程图及提出的针对性筛查方案。 左侧为初始研究，其数据通过机器学习技术进行分析，以提出右侧所示用于轻度认知障碍（MCI）早期检测的针对性筛查方案。该图改编自 Climent34。 <a href="https://www.jove.com/files/ftp_upload/59649/59649fig1large.jpg" target="_blank">请点击此处查看此图的放大版本。</a>
5. 药剂师研究人员培训
<ol>
	<li>联系相关专家，组织培训课程，向参与的药师传授与认知功能障碍相关的基本知识，并培训其掌握认知筛查工具的使用方法，例如 SPMSQ 和 MMSE。</li>
	<li>确保参与的药师了解研究流程、数据收集方案以及所有与数据保护相关的问题。告知他们该研究项目已获得伦理审查委员会批准，并强调根据《赫尔辛基宣言》签署知情同意书的重要性。 
	注意：为实施 Climent 等人5所描述的研究，在西班牙卡斯佩尔-埃尔南德斯 CEU 大学（UCH-CEU）和官方药剂师学院举办了培训研讨会，内容包括：轻度认知障碍（MCI）与痴呆；MCI 的诊断方法及 SPMQP 和 MMSE 工具的应用（由卡斯特利翁省拉普拉纳医院神经科讲授）；由资深社区药学研究人员介绍项目内容并讲解研究方法；以及由 UCH-CEU 大学药学系研究人员开展的健康教育与认知训练。</li>
</ol>
6. 研究设计
<ol>
	<li>计算样本量以评估项目的可行性。由于本研究为观察性研究，较大的样本量将产生更有效的工具。确定样本量有两种方法：一种基于对患病率的估计，另一种则更为精确，同时考虑效应量。
	<ol>
		<li>准确估算该疾病在人群中的患病率 
		 
		<img src="/files/ftp_upload/59649/59649eq1.jpg" /> 
		 
		其中 α 为显著性水平，p0 为初始估计值，error 为在 100(1 - α)% 置信水平下可接受的最大误差。</li>
		<li>根据文献中各因素的效应量，使用 R 语言中的 pwr 软件包等工具估算检测差异所需的统计功效15,28。 
		注：例如，在我们的研究5中，初步设计设定误差为 3%，置信水平为 95%，并假设 65 岁及以上人群中轻度认知障碍（MCI）的患病率初始估计为 15%，由此计算出所需样本量约为 541 名个体。</li>
	</ol>
	</li>
</ol>
7. 跨学科交流网络、药师、初级保健医生与专科医生
<ol>
	<li>设计信函，向参与的医疗中心传达有关该项目的信息。</li>
	<li>向参与的药剂师说明如何通过致初级医疗中心的信函，将其负责的医师告知筛查结果。</li>
	<li>向与参与药房相关的医疗中心的医疗协调员，以及这些药房所属医院的神经科服务部门发送书面通知。</li>
	<li>联系参与的神经科医生，以获取由专科医疗服务提供者通过特定检查所确定的每位患者的最终诊断。在此之前，初级医疗提供者应按照临床指南总结的以下方案进行操作（图2）。</li>
</ol>
<img alt="图2" class="xfigimg" src="/files/ftp_upload/59649/59649fig2.jpg" /> 
图2：基层医疗干预方案。 在将患者转诊至专科医生进行医学诊断之前，应考虑采取的基层医疗干预措施示例，以实现轻度认知障碍（MCI）的早期发现。<a href="https://www.jove.com/files/ftp_upload/59649/59649fig2large.jpg" target="_blank">请点击此处查看该图的放大版本。</a>
8. 统计分析与预处理
注意：在应用机器学习技术之前，需要进行一个准备步骤，根据最终的研究目标和拟采用的方法，将原始数据转换为新的数据集。在此转换过程中，应考虑多个因素，包括算法的特性。这是因为某些算法对列间缺乏变异性或信息重叠较为敏感，而用于生成决策树的算法对此类问题具有较强的鲁棒性。此初始阶段旨在对定性变量进行分类，并汇总每个变量中具有足够样本量的取值。为实现高效筛查，应选择那些已被证实易于获取且准确度高的变量。受试者的筛选通过简短访谈完成，所使用的算法被限定为白箱模型，以便于核查判断个体是否应接受测试所依据的标准。我们建议在 R 软件中使用 rpart29 软件包来实现这些算法，并采用递归分割方法。
<ol>
	<li>收集所有参与药房的表格，并将其转换为一个表格，其中每一列代表一个变量，每个参与个体对应一行。</li>
	<li>为每位参与者分配一个识别编号。将识别编号和联系方式保存在另一个文档中，以确保其不会被机器学习算法使用。</li>
	<li>根据药学监护随访表中的活性成分，生成变量以分类患者所用每种药物是否对应第二或第三级ATC30（解剖治疗化学分类）代码。</li>
	<li>进行初步的描述性分析。
	<ol>
		<li>对于每个有序变量，选择适合该变量的对比方式。对于分类变量，选定作为基线的取值。</li>
		<li>对于分类变量，使用轻度认知障碍（MCI）筛查作为响应变量进行单变量逻辑回归分析。通过列联表、p值、样本比值比及其95%置信区间来分析回归结果。</li>
		<li>对于定量变量，计算其均值、标准差、逻辑回归系数及其系数的95%置信区间。</li>
	</ol>
	</li>
	<li>剔除存在缺失（不可用）值的变量，认为这些变量难以准确收集。</li>
	<li>仅保留根据逻辑回归分析至少有一个统计学上显著类别（α &#60; 0.01）的变量。此步骤所得结果将生成一个比原始数据集更小的简化数据集。</li>
</ol>
9. 创建决策树的算法
注意：必须对机器学习算法进行适当的参数设置，以预测哪些个体可能在轻度认知障碍（MCI）测试中呈现阳性结果。在进行疾病筛查时，一个主要问题在于原始数据通常存在类别不平衡（即阳性病例远少于阴性病例）。为了获得数据平衡的模型，我们采用了一种称为“下采样”或“随机采样”的技术，使各类别的频率与最低频率类别相等31。高效的筛查还要求尽可能减少假阴性数量（即提高对患有MCI的受试者筛选的敏感性）。为提高敏感性，常用的技术之一是在计算基尼不纯度指数时引入惩罚项（即算法用于选择决策树最优分割的指标）32。
<ol>
	<li>使用 caret 软件包中的 createDataPartition 函数，将整个数据集分别按 80% 和 20% 的比例生成训练集和测试集33。</li>
	<li>将用于生成决策树的算法应用于训练数据集。使用 caret 软件包中的 train again 函数33。以下步骤为该函数的不同参数设置；例如，本文所用的树是通过 rpart29（method = &#34;rpart&#34;）生成的，但也可使用其他算法。
	<ol>
		<li>选择“下采样”（down sampling）方法，并将 sampling = &#34;down&#34; 参数引入 caret 中。</li>
		<li>设置两个类别的先验概率。</li>
		<li>提供一个损失矩阵，并应用基尼不纯度指数的惩罚项，以提高模型的敏感性。</li>
		<li>针对算法中的每个参数，选择合适的参数值网格。</li>
		<li>使用交叉验证估计受试者工作特征曲线（ROC）的值，以在参数网格中选择最优模型。</li>
	</ol>
	</li>
	<li>计算测试集预测结果的混淆矩阵以及 ROC 曲线下面积（AUC），以评估模型的真实性能。</li>
</ol>

<ol><li>Prince, M., Comas-Herrera, A., Knapp, M., Guerchet, M., Karagiannidou, M. World Alzheimer report 2016: improving healthcare for people living with dementia: coverage, quality and costs now and in the future. , Alzheimer's Disease International (ADI). https://scholar.google.com/scholar.bib?q=info:mEGpcpLHEIMJ:scholar.google.com (2016).</li>
<li>Niu, H., Álvarez-Álvarez, I., Guillén-Grima, F., Aguinaga-Ontoso, I. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Prevalence+and+incidence+of+Alzheimer%27s+disease+in+Europe%3A+A+meta-analysis%5BTitle%5D)+AND+%22Neurolog%C3%ADa+%28English+Edition%29%22%5BJournal%5D)">Prevalence and incidence of Alzheimer's disease in Europe: A meta-analysis.</a> Neurología (English Edition). 32 (8), 523-532 (2017).</li>
<li>Petersen, R. C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Mild+Cognitive+Impairment%3A+Clinical+Characterization+and+Outcome%5BTitle%5D)+AND+%22Archives+of+Neurology%22%5BJournal%5D)">Mild Cognitive Impairment: Clinical Characterization and Outcome.</a> Archives of Neurology. 56 (3), 303(1999).</li>
<li>Petersen, R. C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Practice+guideline+update+summary%3A+Mild+cognitive+impairment%3A+Report+of+the+Guideline+Development%2C+Dissemination%2C+and+Implementation+Subcommittee+of+the+American+Academy+of+Neurology%5BTitle%5D)+AND+%22Neurology%22%5BJournal%5D)">Practice guideline update summary: Mild cognitive impairment: Report of the Guideline Development, Dissemination, and Implementation Subcommittee of the American Academy of Neurology.</a> Neurology. 90 (3), 126-135 (2018).</li>
<li>Climent, M. T., Vilaplana, A. M., Arnedo, A., Vilar, J., Moreno-Royo, L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Life+styles+associated+cognitive+impairment.+Study+from+the+community+pharmacy+%5BEstilos+de+vida+asociados+a+deterioro+cognitivo.+Estudio+preliminar+desde+la+farmacia+comunitaria%5D%5BTitle%5D)+AND+%22Revista+de+Investigacion+Clinica%22%5BJournal%5D)">Life styles associated cognitive impairment. Study from the community pharmacy [Estilos de vida asociados a deterioro cognitivo. Estudio preliminar desde la farmacia comunitaria].</a> Revista de Investigacion Clinica. 65 (6), 500-509 (2013).</li>
<li>Faubel, R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Usual+sleep+duration+and+cognitive+function+in+older+adults+in+Spain%5BTitle%5D)+AND+%22Journal+of+Sleep+Research%22%5BJournal%5D)">Usual sleep duration and cognitive function in older adults in Spain.</a> Journal of Sleep Research. 18 (4), 427-435 (2009).</li>
<li>Benito-León, J., Louis, E. D., Bermejo-Pareja, F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Cognitive+decline+in+short+and+long+sleepers%3A+A+prospective+population-based+study+%28NEDICES%29%5BTitle%5D)+AND+%22Journal+of+Psychiatric+Research%22%5BJournal%5D)">Cognitive decline in short and long sleepers: A prospective population-based study (NEDICES).</a> Journal of Psychiatric Research. 47 (12), 1998-2003 (2013).</li>
<li>Ramos, A. R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Association+between+Sleep+Duration+and+the+Mini-Mental+Score%3A+The+Northern+Manhattan+Study%5BTitle%5D)+AND+%22Journal+of+Clinical+Sleep+Medicine%22%5BJournal%5D)">Association between Sleep Duration and the Mini-Mental Score: The Northern Manhattan Study.</a> Journal of Clinical Sleep Medicine. 9 (7), 669(2013).</li>
<li>Gabelle, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Excessive+Sleepiness+and+Longer+Nighttime+in+Bed+Increase+the+Risk+of+Cognitive+Decline+in+Frail+Elderly+Subjects%3A+The+MAPT-Sleep+Study%5BTitle%5D)+AND+%22Frontiers+in+Aging+Neuroscience%22%5BJournal%5D)">Excessive Sleepiness and Longer Nighttime in Bed Increase the Risk of Cognitive Decline in Frail Elderly Subjects: The MAPT-Sleep Study.</a> Frontiers in Aging Neuroscience. 9, 312(2017).</li>
<li>Fernández, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Prevalence+of+dementia+in+the+elderly+aged+above+65+in+a+district+in+the+Basque+Country%5BTitle%5D)+AND+%22Revista+de+Neurologia%22%5BJournal%5D)">Prevalence of dementia in the elderly aged above 65 in a district in the Basque Country.</a> Revista de Neurologia. 46 (2), 89-96 (2008).</li>
<li>Velert Vila, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Suitability+of+the+use+of+benzodiazepines+prescribed+by+the+pharmacist+in+the+elderly.+A+doctor-pharmacist+collaboration+study%5BTitle%5D)+AND+%22Atenci%C3%B3n+Primaria%22%5BJournal%5D)">Suitability of the use of benzodiazepines prescribed by the pharmacist in the elderly. A doctor-pharmacist collaboration study.</a> Atención Primaria. 44 (7), 402-410 (2012).</li>
<li>Ranstam, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Impaired+cognitive+function+in+elderly+men+exposed+to+benzodiazepines+or+other+anziolytics%5BTitle%5D)+AND+%22The+European+Journal+of+Public+Health%22%5BJournal%5D)">Impaired cognitive function in elderly men exposed to benzodiazepines or other anziolytics.</a> The European Journal of Public Health. 7 (2), 149-152 (1997).</li>
<li>Airagnes, G., Pelissolo, A., Lavallée, M., Flament, M., Limosin, F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Benzodiazepine+Misuse+in+the+Elderly%3A+Risk+Factors%2C+Consequences%2C+and+Management%5BTitle%5D)+AND+%22Current+Psychiatry+Reports%22%5BJournal%5D)">Benzodiazepine Misuse in the Elderly: Risk Factors, Consequences, and Management.</a> Current Psychiatry Reports. 18 (10), 89(2016).</li>
<li>Alacreu, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Importance+of+Increasing+Modifiable+Risk+Factors+Knowledge+on+Alzheimer%27s+Disease+Among+Community+Pharmacists+and+General+Practitioners+in+Spain%5BTitle%5D)+AND+%22Frontiers+in+Pharmacology%22%5BJournal%5D)">Importance of Increasing Modifiable Risk Factors Knowledge on Alzheimer's Disease Among Community Pharmacists and General Practitioners in Spain.</a> Frontiers in Pharmacology. 10, 860(2019).</li>
<li>Cohen, J. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aCohen%2C+J+%22Statistical+Power+Analysis+for+the+Behavioral+Sciences%22">Statistical Power Analysis for the Behavioral Sciences</a>. , Routledge. (2013).</li>
<li>Nardi, P. M. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aNardi%2C+PM+%22Doing+Survey+Research%3A+A+Guide+To+Quantitative+Methods%22">Doing Survey Research: A Guide To Quantitative Methods</a>. , Routledge. (2018).</li>
<li>Sabater Hernández, D., Silva Castro, M. M., Faus Dáder, M. J. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aSabater+Hern%C3%A1ndez%2C+D+%22M%C3%A9todo+D%C3%A1der%3A+gu%C3%ADa+de+seguimiento+farmacoterap%C3%A9utico%22">Método Dáder: guía de seguimiento farmacoterapéutico</a>. , Grupo de Investigación en Atención Farmacéutica (GIAF): Grupo de Investigación en Atención Farmacéutica (CTS-131). Universidad de Granada. (2017).</li>
<li>Pfeiffer, E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+Short+Portable+Mental+Status+Questionnaire+for+the+Assessment+of+Organic+Brain+Deficit+in+Elderly+Patients%5BTitle%5D)+AND+%22Journal+of+the+American+Geriatrics+Society%22%5BJournal%5D)">A Short Portable Mental Status Questionnaire for the Assessment of Organic Brain Deficit in Elderly Patients.</a> Journal of the American Geriatrics Society. 23 (10), 433-441 (1975).</li>
<li>Folstein, M. F., Folstein, S. E., McHugh, P. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((%22Mini-mental+state.%22+A+practical+method+for+grading+the+cognitive+state+of+patients+for+the+clinician%5BTitle%5D)+AND+%22Journal+of+Psychiatric+Research%22%5BJournal%5D)">"Mini-mental state." A practical method for grading the cognitive state of patients for the clinician.</a> Journal of Psychiatric Research. 12 (3), 189-198 (1975).</li>
<li>Buschke, H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Screening+for+dementia+with+the+memory+impairment+screen%5BTitle%5D)+AND+%22Neurology%22%5BJournal%5D)">Screening for dementia with the memory impairment screen.</a> Neurology. 52 (2), 231-238 (1999).</li>
<li>Verghese, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Picture-based+memory+impairment+screen+for+dementia%5BTitle%5D)+AND+%22Journal+of+the+American+Geriatrics+Society%22%5BJournal%5D)">Picture-based memory impairment screen for dementia.</a> Journal of the American Geriatrics Society. 60 (11), 2116-2120 (2012).</li>
<li>Nasreddine, Z. S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+Montreal+Cognitive+Assessment%2C+MoCA%3A+A+Brief+Screening+Tool+For+Mild+Cognitive+Impairment%5BTitle%5D)+AND+%22Journal+of+the+American+Geriatrics+Society%22%5BJournal%5D)">The Montreal Cognitive Assessment, MoCA: A Brief Screening Tool For Mild Cognitive Impairment.</a> Journal of the American Geriatrics Society. 53 (4), 695-699 (2005).</li>
<li>Kaya, D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+Saint+Louis+University+Mental+Status+Examination+Is+Better+than+the+Mini-Mental+State+Examination+to+Determine+the+Cognitive+Impairment+in+Turkish+Elderly+People%5BTitle%5D)+AND+%22Journal+of+the+American+Medical+Directors+Association%22%5BJournal%5D)">The Saint Louis University Mental Status Examination Is Better than the Mini-Mental State Examination to Determine the Cognitive Impairment in Turkish Elderly People.</a> Journal of the American Medical Directors Association. 17 (4), e11-e15 (2016).</li>
<li>O'Caoimh, R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Comparison+of+the+quick+mild+cognitive+impairment+%28Qmci%29+screen+and+the+SMMSE+in+screening+for+mild+cognitive+impairment%5BTitle%5D)+AND+%22Age+and+Ageing%22%5BJournal%5D)">Comparison of the quick mild cognitive impairment (Qmci) screen and the SMMSE in screening for mild cognitive impairment.</a> Age and Ageing. 41 (5), 624-629 (2012).</li>
<li>Cullen, B., ONeill, B., Evans, J. J., Coen, R. F., Lawlor, B. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+review+of+screening+tests+for+cognitive+impairment%5BTitle%5D)+AND+%22Journal+of+Neurology%2C+Neurosurgery+%26+Psychiatry%22%5BJournal%5D)">A review of screening tests for cognitive impairment.</a> Journal of Neurology, Neurosurgery & Psychiatry. 78 (8), 790-799 (2007).</li>
<li>Martínez de la Iglesia, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Adaptaci%C3%B3n+y+validaci%C3%B3n+al+castellano+del+cuestionario+de+Pfeiffer+%28SPMSQ%29+para+detectar+la+existencia+de+deterioro+cognitivo+en+personas+mayores+e+65+a%C3%B1os%5BTitle%5D)+AND+%22Medicina+Cl%C3%ADnica%22%5BJournal%5D)">Adaptación y validación al castellano del cuestionario de Pfeiffer (SPMSQ) para detectar la existencia de deterioro cognitivo en personas mayores e 65 años.</a> Medicina Clínica. 117 (4), 129-134 (2001).</li>
<li>Blesa, R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Clinical+validity+of+the+%27mini-mental+state%27+for+Spanish+speaking+communities%5BTitle%5D)+AND+%22Neuropsychologia%22%5BJournal%5D)">Clinical validity of the 'mini-mental state' for Spanish speaking communities.</a> Neuropsychologia. 39 (11), 1150-1157 (2001).</li>
<li>Champely, S., Ekstrom, C., et al. pwr: Basic Functions for Power Analysis. , https://cran.r-project.org/web/packages/pwr/index.html (2018).</li>
<li>Therneau, T., Atkinson, B., Ripley, B. rpart: Recursive Partitioning and Regression Trees. , https://cran.r-project.org/web/packages/rpart (2018).</li>
<li>WHO Collaborating Centre for Drugs Statistics Methodology. ATC/DDD Index. , https://www.whocc.no/atc_ddd_index (2018).</li>
<li>Kuhn, M., Johnson, K. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aKuhn%2C+M+%22Applied+Predictive+Modeling%22">Applied Predictive Modeling</a>. 26, Springer New York. New York, NY. (2013).</li>
<li>Therneau, T., Atkinson, E. An introduction to recursive partitioning using the RPART routines. , http://r.789695.n4.nabble.com/attachment/3209029/0/zed.pdf (2019).</li>
<li>Kuhn, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Building+Predictive+Models+in+R+Using+the+caret+Package%5BTitle%5D)+AND+%22Journal+of+Statistical+Software%22%5BJournal%5D)">Building Predictive Models in R Using the caret Package.</a> Journal of Statistical Software. 28 (5), 1-26 (2008).</li>
<li>Climent, M. T., Pardo, J., Muñoz-Almaraz, F. J., Guerrero, M. D., Moreno, L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Decision+Tree+for+Early+Detection+of+Cognitive+Impairment+by+Community+Pharmacists%5BTitle%5D)+AND+%22Frontiers+in+Pharmacology%22%5BJournal%5D)">Decision Tree for Early Detection of Cognitive Impairment by Community Pharmacists.</a> Frontiers in Pharmacology. 9, 1-12 (2018).</li>
</ol>

作者无任何利益冲突需要披露。

在 PubMed 数据库的 Cochrane 研究中检索与轻度认知障碍（MCI）相关的术语后，本研究设计了一份特定问卷，采用与 MCI 具有明确关联且已证实的最显著变量。同时记录了人口统计学、生活方式和社会因素，以及患者的药物治疗情况和一些相关病理状况。此外，还选用了 SPMSQ 和 MMSE MCI 检测工具。值得注意的是，SPMSQ 不受参与者教育水平的影响。药剂师接受了本研究的实施培训，并通过发送告知信函确保与初级和专科医疗保健机构的沟通。如果这些测试提示存在轻度认知障碍（MCI）的可能，仅由专科医疗保健提供者做出最终诊断。
综上所述，本研究在一种患病率较低的人群（17%）中对轻度认知障碍（MCI）进行了筛查。我们设计了一套用于机器学习技术的筛选标准，使被选中用户中MCI阳性比例提高至30%以上。因此，这些工具有助于提高筛查效率，并显著降低由决策树所选定人群组进行大规模筛查的成本。
该方法的一个局限性是，随着人群的变化，决策树在此特定队列中可能会失效，因此可能需要定期更新。例如，该人群中的许多个体为文盲，但未来65岁以上...

人口老龄化正在增加慢性病和退行性疾病的发生率，尤其是退行性痴呆症，预计到2050年全球将有超过1.31亿人受到影响1。在所有退行性痴呆症中，阿尔茨海默病（AD）最为常见，在欧洲的总体患病率为6.88%2。由于AD患者的生活自理能力持续下降，这一群体应在AD症状初现时即开始获得支持。因此，早期发现AD的前驱症状（如轻度认知障碍（MCI））至关重要。
轻度认知障碍（MCI）被定义为介于正常衰老与痴呆所致严重认知衰退之间的一种中间认知功能下降阶段3。根据Petersen等人4的估计，65至69岁人群中MCI的患病率为8.4%，而在80岁以上人群中则高达25.2%。MCI患者在执行低级认知技能（尤其是与记忆和语言相关的技能）时表现出超出正常预期的困难，但尚不足以干扰日常生活活动。
筛查并不等同于诊断；轻度认知障碍（MCI）的诊断始终是一项临床任务，而筛查方法仅能提示患者患有该病理状况的可能性较高，存在合理的MCI疑虑，需通过临床评估加以确认。因此，初级卫生保健人员（如医生、药师、护士等）可受益于简便筛查方法（简短的认知测试）的可用性，这些方法可在数分钟内完成。理想情况下，这些方法应能客观识别出MCI高风险患者，以便后续由全科或专科医生进行临床确诊。
鉴于轻度认知障碍（MCI）的早期检测在公共卫生领域正变得至关重要，本研究旨在确定在老年人群筛查测试中可用于针对性识别MCI的有效特征。随后，这些群体将由初级卫生保健提供者通过更详细的测试进一步确诊MCI。该方法提供了一个决策树，包含用于识别目标人群的适当算法。
在这些特征中，年龄是与该病理发展关联最为一致的因素之一。其他相关特征则与人口统计学或生活方式有关5。在后者中，一些研究已将白天或夜间睡眠持续时间确定为可能导致轻度认知障碍（MCI）诊断的风险因素5,6,7,8,9。据估计，约有20%至25%的老年人长期使用苯二氮䓬类药物10,11，这类药物的长期服用也可能影响睡眠时长和MCI的发展12,13。事实上，慢性疾病的长期治疗可能是用于预筛选高风险MCI个体的重要特征。 
本研究建立了基于数据的模型，采用自动学习算法、决策树和预测工具，通过识别在轻度认知障碍（MCI）早期检测中起关键作用的特征，以提高MCI检测方法的效率。本文提出的决策树是基于西班牙患者群体在社区药房环境下的特定队列数据生成的。然而，该方法也可适用于具有不同特征的其他人群。
本工作是在与初级保健和专科医生合作下完成的。社区药房是测试该算法的理想场所，因为它们靠近患者，开放时间长，且患者经常前往咨询。退行性痴呆症是复杂的疾病，初级医疗保健提供者并不总能充分理解14。因此，参与这一过程将提高人们对轻度认知障碍（MCI）和痴呆症患者群体的关注度。

<table><tbody><tr><td>caret</td><td>Max Kuhn</td><td></td><td>R 程序包</td></tr><tr><td>rpart</td><td>Terry Therneau, Beth Atkinson, Brian Ripley</td><td></td><td>R 程序包</td></tr><tr><td>西班牙语版 SPMSQ</td><td>Farmaceuticoscomunitarios.org</td><td></td><td>&lt;a href=&quot;http://farmaceuticoscomunitarios.org/anexos/vol11_n1/ANEXO1.pdf&quot; target=&quot;_blank">http://farmaceuticoscomunitarios.org/anexos/vol11_n1/ANEXO1.pdf&lt;/a&gt;</td></tr><tr><td>英语版 SPMSQ</td><td>geriatrics.stanford.edu</td><td></td><td>&lt;a href=&quot;https://geriatrics.stanford.edu/culturemed/overview/assessment/assessment_toolkit/spmsq.html&quot; target=&quot;_blank">https://geriatrics.stanford.edu/culturemed/overview/assessment/assessment_toolkit/spmsq.html&lt;/a&gt;</td></tr><tr><td>西班牙语版 MMSE</td><td>Farmaceuticoscomunitarios.org</td><td></td><td>&lt;a href=&quot;http://farmaceuticoscomunitarios.org/anexos/vol11_n1/ANEXO2.pdf&quot; target=&quot;_blank">http://farmaceuticoscomunitarios.org/anexos/vol11_n1/ANEXO2.pdf&lt;/a&gt;</td></tr><tr><td>英语版 MMSE</td><td>oxfordmedicaleducation.com</td><td></td><td>&lt;a href=&quot;http://www.oxfordmedicaleducation.com/geriatrics/mini-mental-state-examination-mmse/&quot; target=&quot;_blank">http://www.oxfordmedicaleducation.com/geriatrics/mini-mental-state-examination-mmse/&lt;/a&gt;</td></tr></tbody></table>

一种基于机器学习的轻度认知障碍高效选择性筛查设计方法

A Machine Learning Approach to Design an Efficient Selective Screening of Mild Cognitive Impairment

轻度认知障碍（MCI）是老年人群中痴呆症的早期征兆，其早期检测在老龄化社会中至关重要。常用的MCI检测方法耗时较长，因此无差别地进行大规模筛查不具备成本效益。本文介绍了一种利用机器学习技术快速筛选需进一步接受基于问卷的MCI检测的候选者的方法。该方法通过仅对可能呈MCI阳性的患者进行进一步检测，最大限度地减少了筛查所需的资源。
该方法学应用于一项初步的轻度认知障碍（MCI）研究，该研究为设计选择性筛查决策树奠定了基础。初步研究收集了大量人口统计学和生活方式变量，以及患者用药的详细信息。 简易便携式精神状态问卷 （SPMSQ）和 简易精神状态检查 采用简易精神状态检查量表（MMSE）以识别轻度认知障碍（MCI）的可能病例。最终，我们利用该方法设计了一种高效分类MCI高风险个体的流程。本研究还揭示了与MCI相关的生活方式因素，这些因素可被用于老年人群中MCI的预防与早期检测。

参与的药房收集了728名用户的数据，除参与者所开具的药物外，还收集了人口统计学变量。对所有变量进行了单变量逻辑回归分析34；图3和图4所示的误差条形图直观地展示了比值比的置信区间（针对定性变量）以及逻辑回归系数的置信区间（针对定量变量）。选取了p值超过0.01的变量（性别、年龄、教育水平、阅读习惯、睡眠时间、抑郁症状和记忆主诉），并用于构建基于决策树的白箱模型。该决策树以包含583名个体的训练数据集作为输入生成，并通过由145名参与者组成的测试数据集进行验证。
使用 R 语言中的 caret33 软件包后，所得到的分类回归树根据个体在树中的最终节点（如图5所示）及...

该方法可生成决策树，用于识别更易患轻度认知障碍的人群，有助于对该疾病的低成本选择性筛查。

轻度认知障碍（MCI）是老年人群中痴呆症的早期征兆，其早期检测在老龄化社会中至关重要。常见……

本视频旨在介绍如何设计一种经济有效的轻度认知障碍筛查方法。轻度认知障碍主要涉及记忆和语言方面的轻度认知功能下降，其实际操作难度往往超出预期。我们希望强调此类影响老年人群的疾病的重要性，以及本筛查方法的广泛适用性。该方法可轻松调整用于其他疾病的筛查，从而将原本昂贵的筛查转变为切实可行的方案。针对待筛查的疾病状况，在Cochrane系统综述中检索相关术语。例如，在我们的研究中，将认知障碍或痴呆与风险因素进行组合检索。在PubMed中检索相关术语可提供一些关于其与认知功能下降或痴呆之间关系的证据。选择那些与认知功能下降或痴呆关联证据较多的变量，以编制问卷。在开始研究之前，为了汇总科学文献中出现的尽可能多的因素，使用 PubMed 和 Cochrane 系统综述数据库进行了全面检索，检索关键词包括“认知障碍”和“危险因素”。作为可能与认知功能障碍相关的特征，特别是在Cochrane数据库中，检索了所有包含“认知功能障碍”或“痴呆”术语的文章；在PubMed中则检索了包含性别、教育水平、认知活动、体力活动、糖尿病、高血压、胆固醇、抑郁、肥胖、吸烟、饮酒、睡眠、饮食及经济状况等术语的文章，且均与“认知功能障碍”或“痴呆”组合检索。因此，在文献回顾的基础上，针对那些已有一定证据表明与认知衰退或痴呆相关的变量，设计了一份问卷。问卷设计包含了所选相关变量的信息。在我们的性能研究中，所选择的变量包括人口统计学特征、生活方式、慢性病理状况，以及是否存在抑郁症（抑郁症常与认知功能下降相关）。药物使用情况的收集遵循既定方法学。采用解剖学治疗学化学编码对药物进行分类。所选用的筛查试验可由初级卫生保健工作人员（如药剂师）实施。在试验中已考虑了执行该测试所需的基本特征。特别是对于经历过西班牙内战且文盲率较高的西班牙老年群体，我们建议采用《简易便携式精神状态问卷》和《简易精神状态检查》。这两种量表均在记忆门诊中广泛应用，其中一种需要受试者具备读写能力。纳入研究的对象为非机构化管理的、年龄在65岁及以上的患者，他们定期前往药房并自愿参与本研究。无法完成评估测试或正在接受痴呆治疗的个体被排除在外。当满足以下至少一项标准时，研究参与者被视为认知功能受损。对于文盲参与者，简短便携式精神状态问卷得分达到或超过4分，其他参与者达到或超过3分；校正后的简易精神状态检查（MMSE）测试得分小于或等于24分。认知功能受损的参与者将被转诊至医学专科医生（如神经科医生）进行临床诊断。药剂师研究人员接受有关认知功能障碍基础知识及筛查工具使用的培训。本研究为横断面研究，旨在检测65岁及以上人群中认知功能障碍及潜在的社会相关因素。针对认知障碍患病率的估计样本量为541人，考虑到10%的损耗率，样本量增加至600人。已在医疗网络之间设计并发放了沟通函件，以告知该项目的相关信息。通过特定检测进行的最终诊断将由专科医疗根据图示流程进行。在应用机器学习技术之前，这是一个专有步骤，根据待应用算法的 p 检验对数据进行转换。用于生成决策树的算法旨在改变变量间的变异性或相关性，因此重点在于对变量进行分类。例如，根据解剖学治疗学及化学分类代码的第二级和第三级，结合药学监护随访表，生成变量以判断患者是否正在服用某种药物。针对每个变量进行逻辑回归分析，以评估其是否具有足够的显著性，从而被纳入数据集用于构建决策树。为了最大程度地提高对可能认知功能下降的预测准确性，已整合了多种机器学习技术。最后，我们建立了一个模型，该模型使用了80%的核心数据，并基于递归划分算法构建了一个决策树模型，以在筛查中获取最重要的变量。该机器学习算法应用于训练数据集，训练集占整个数据集的80%。剩余部分用于评估模型的准确性。数据集应保持平衡，而欠采样是解决此问题的技术之一。在筛查中，我们非常关注尽可能减少假阴性数量。这可以通过损失矩阵的高概率选择来实现。通过交叉验证选择了算法的最优参数。我们的横断面研究纳入了728名年龄超过65岁的非机构化居住参与者，其中127名参与者在轻度认知障碍测试中呈阳性。被分类为阳性的参与者被转介至临床诊断。在完成用于估算轻度认知障碍使用者比例的研究后，使用所有变量进行了一次新的变量逻辑回归分析，以筛选变量。对于部分更为显著的变量，本误差条图展示了其比值比的99%置信区间。比值比的置信区间常用对数尺度来表示，其中比值比采用较低的刻度。所有 p 值大于 0.01 的变量被选中，用于基于决策树构建一个宽泛的箱型模型，而许多 p 值更高的变量则未被选中用于模型构建。例如，对于这些普通变量，其比值比的 99% 置信区间包含数值 1。因此，p 值高于 0.01。经过此预处理后，我们将数据集划分为训练数据集和测试数据集。决策树以包含 583 名个体的训练数据集作为输入生成，并使用包含 145 名用户的测试集进行验证。通过测试集中的 ROC 曲线下面积评估了算法的性能。在 R 语言中使用 car 包后，针对每位用户，生成的决策树会根据其最终所在的节点，分配一个概率值以及是否应进行轻度认知障碍测试的建议。方框底部的数值表示训练集中具有这些特征的个体所占的百分比。方框颜色越暖，表示在轻度认知障碍测试中结果为阳性的可能性越高。请注意，顶部节点对应的是“无记忆主诉”这一问题。此处，若回答为肯定，则进入左侧分支，接下来询问用户性别；若回答为否定，则进入右侧分支，询问用户每天的睡眠时间。为评估决策树的完整分类能力，展示了ROC曲线，其ROC曲线下面积为0.763。关于进行轻度认知障碍测试的决策树建议，在图中以蓝点表示，其敏感度达到0.76，特异度为0.7。因此，采用决策树工具通过简短访谈来筛选存在轻度认知障碍风险的用户，可显著减少需要进行轻度认知障碍测试的用户数量，从而大幅节省测试人员的时间。这一减少量可通过测试集进行估计，方法是解读观测类别与预测类别之间的混淆矩阵。实际上，在测试集中，145名用户中有55名被决策树选中，使得接受测试的用户减少了62%，而大多数轻度认知障碍阳性的用户被成功选中，即25名阳性用户中选出了19名。本研究的结论是，针对患病率较低（如本研究设定的17%）的轻度认知障碍筛查，可以通过机器学习技术设计出一组适当的筛选标准，使被选中用户中轻度认知障碍阳性的比例提高至30%以上。因此，这些工具需要在大幅降低成本的同时提高筛查效率。数据驱动模型有助于理解哪些信息最为关键，从而构建简化模型。构建决策树可帮助我们明确应重点关注哪些变量，以便以具有成本效益的方式区分哪些人需要或不需要接受轻度认知障碍测试。该方案设计耗时较长。因此，可考虑采用其他一些检测方法，以在几分钟内实现轻度认知障碍的未来检测。此外，为了提高轻度认知障碍防控链条的有效性，我们决定将筛查研究的起始年龄从65岁提前至50岁，作为一项预防性措施。药师是最容易接触且经常被访问的医疗专业人员之一，他们可以在轻度认知障碍的早期检测中发挥至关重要的作用。

a-machine-learning-approach-to-design-an-efficient-selective

Research

科研

JoVE Journal

Behavior

行为

设计轻度认知障碍有效选择性筛查的机器学习方法

本文介绍了4山测试（4MT），一种依赖海马体的他我空间工作记忆测试。海马体在阿尔茨海默病（AD）早期即受到累及，本文阐述了4MT的方法学及患者测试结果，证明了4MT在前痴呆期AD诊断中的价值。...

4山测试：一种对前痴呆期阿尔茨海默病诊断具有高敏感性的简短空间记忆测验

本文介绍了一种分阶段的行为学筛选方法，可用于在β-淀粉样蛋白沉积和tau蛋白病变的转基因小鼠模型中，筛选对认知功能和运动功能具有体内疗效的化合物。这些方法经过优化，适用于筛选化合物在短期记忆和工作记忆任务中的活性。...

评估淀粉样蛋白-β和Tau神经病理学转基因小鼠模型中的自发交替、新物体识别和肢体抓握行为

基于静息态功能磁共振成像结合格兰杰因果分析，我们研究了阿尔茨海默病（AD）患者、轻度认知障碍（MCI）患者以及健康对照组中后扣带皮层与全脑之间定向功能连接的改变。...

阿尔茨海默病与轻度认知障碍中定向功能连接的格兰杰因果分析应用

本文介绍了一种利用IntelliCage系统对阿尔茨海默病遗传模型进行认知评估的实验方案，该系统是一种基于操作性条件反射的高通量自动化行为监测系统。...

利用IntelliCage对阿尔茨海默病多种遗传模型进行认知功能的自动化长期行为检测

本文介绍了一种实验方案，旨在展示负面老化刻板印象如何在认知测试期间损害老年人的记忆表现，以及如何减轻这种有害影响。该方法有助于老年人在实验室研究和临床环境中进行测试时达到最佳表现水平。...

在老年人认知测试过程中凸显并减轻负面年龄刻板印象的影响

本研究采用神经心理学测试与多序列3T磁共振成像扫描相结合的方法，在398名患有高血压的中国老年人队列中，探讨不同类型的无症状脑血管病变是否与特定认知领域的功能缺陷存在差异性关联。...

伴有无症状性脑血管病变的高血压患者认知功能评估

临床评估量表对高功能卒中患者认知功能障碍的敏感性不足。双重任务范式在认知功能障碍的评估与认知训练中具有优势和潜力。本研究提出一种双重任务Stroop范式，用于识别高功能卒中患者的认知功能障碍。...

用于检测高功能卒中患者认知缺损的双任务斯特鲁普范式

本文介绍了一项研究重度抑郁症患者认知症状与睡眠质量之间关系的实验方案。采用THINC整合工具和多导睡眠图来评估认知症状和睡眠质量。...

重度抑郁症患者睡眠质量与认知症状之间的关联

我们展示了如何在广泛使用的橡胶手错觉范式中采用一种客观测量方法。该测量方法通过对已确立的跨模态一致性任务进行改进而获得。该任务可用于研究多感官整合过程，而这些过程对于身体表征的调制（如橡胶手错觉中的现象）至关重要。...

利用跨模态一致性任务作为橡胶手错觉范式中获取客观行为测量的手段

我们测试了一款基于平板电脑的应用程序（EmoCogMeter）在研究年龄对认知功能影响方面的可用性。结果表明，认知功能随年龄增长而下降，从而证明了我们应用程序的可用性。研究结果强调了基于平板电脑的应用程序在认知功能障碍的检测与监测方面具有重要的临床和实际应用潜力。...

使用新型基于平板电脑的认知情绪评估工具 EmoCogMeter 评估认知功能的年龄相关变化

了解如何利用机器学习方法设计轻度认知障碍的有效选择性筛查方案。该方法通过决策树识别高风险人群，将筛查成本降低62%，同时保持76%的敏感性，适用于老年人群的早期认知障碍检测。

一种基于机器学习的轻度认知障碍高效选择性筛查设计方法

探索更多视频