Ein machine Learning-Ansatz zur Entwicklung eines effizienten selektiven Screenings leichter kognitiver Beeinträchtigungen

Der Zweck dieses Videos ist es, zu beschreiben, wie man ein kostengünstiges Screening von leichten kognitiven Beeinträchtigungen zu entwerfen, die mehr Schwierigkeiten als erwartet, um niedrige kognitive Fähigkeiten vor allem im Zusammenhang mit Gedächtnis und Sprache durchzuführen. Wir möchten die Bedeutung dieser Art von Zustand, der ältere Menschen betrifft, und die Vielseitigkeit dieses Verfahrens hervorheben. Dieses Verfahren könnte leicht an andere Krankheiten angepasst werden, wodurch ein kostspieliges Screening in ein realisierbares umgewandelt werden kann.

Suche Cochrane Systematic Reviews für Bedingungen der Bedingung zu überprüfen. In unserer Studie zum Beispiel, kognitive Beeinträchtigung oder Demenz"mit Risikofaktoren verbunden. Die Suche nach PubMed-Begriffen zeigt einige Hinweise auf den Zusammenhang mit kognitiver Verschlechterung oder Demenz.

Wählen Sie die Variablen mit mehr Anzeichen für eine Assoziation mit kognitiver Verschlechterung oder Demenz aus, um einen Fragebogen zu erstellen. Eine gründliche Suche einschließlich Begriffe als kognitive Beeinträchtigung"und Risikofaktoren"wurde mit PubMed und den Cochrane Systematic Reviews durchgeführt. Vor Beginn der Studie mit dem Ziel, die größte Anzahl von Faktoren, die in der wissenschaftlichen Literatur erscheinen, zusammenzustellen.

Als mögliche Merkmale im Zusammenhang mit kognitiven Beeinträchtigungen, speziell in der Cochrane-Datenbank, wurde es für alle Artikel mit dem Begriff kognitive Beeinträchtigung"oder Demenz gehört, und in PubMed Artikel mit den Begriffen Sex, Bildungsniveau, kognitive Aktivitäten, körperliche Aktivität, Diabetes, Bluthochdruck, Cholesterin, Depression, Fettleibigkeit, Rauchen, Alkohol, Schlaf, Ernährung, und wirtschaftliche Bedingungen. In Kombination mit kognitiven Beeinträchtigungen"oder Demenz, auch. Daher wurde ein Fragebogen mit den Variablen bei der bibliographischen Überprüfung erstellt, die einige Hinweise auf den Zusammenhang mit kognitiver Verschlechterung oder Demenz liefern.

Ein Fragebogen wird mit Informationen zu den ausgewählten zugeordneten Variablen erstellt. Für unsere Leistungsstudie sind die gewählten Variablen der demografische Lebensstil und chronische Pathologien sowie das Vorhandensein oder Fehlen von Depressionen, die häufig mit kognitiver Verschlechterung verbunden sind. Der Drogenkonsum wurde nach der Methodik erhoben.

Der anatomische therapeutische Chemikaliencode wurde verwendet, um die Medikamente zu klassifizieren. Der ausgewählte Screening-Test könnte von Mitarbeitern der primären Gesundheit wie Apothekern durchgeführt werden. Grundlegende Merkmale, die für die Durchführung der Prüfung erforderlich waren, wurden berücksichtigt.

Insbesondere für spanische ältere Bevölkerung mit einer großen Anzahl von Analphabeten, die im Spanischen Bürgerkrieg lebten, war unser Vorschlag mit Kurzen tragbaren mentalen Zustand Fragebogen der Gunst und Mini-Mental State Examination Beide sind weit verbreitet in Gedächtnisklinik verwendet, da einer von ihnen Erfordert Alphabetisierung. Die rekrutierten Personen waren nicht institutionalisierte Patienten im Alter von 65 Jahren oder älter, die regelmäßig in die Apotheke gingen und an der vorliegenden Studie teilnehmen wollten. Personen, die Schwierigkeiten hatten, einen Evaluierungstest durchzuführen, oder Personen, die sich in Behandlung wegen Demenz befinden, sind ausgeschlossen.

Studienteilnehmer gelten als kognitive Beeinträchtigung, wenn mindestens eines der folgenden Kriterien erfüllt ist. Die Datenwerte im Short Portable Mental State Questionnaire sind vier oder mehr Punkte bei Analphabeten und drei oder mehr Punkte für andere Probanden. Weniger oder gleich 24 Punkten im korrigierten Mini-Mental State Examination Test.

Kognitionsbehinderte Teilnehmer werden für ihre klinische Diagnose an einen Facharzt als Neurologen verwiesen. Apothekerforscher werden in Grundkenntnissen über kognitive Beeinträchtigungen und im Management von Screening-Tools geschult. Unsere Querschnittsstudie zum Nachweis kognitiver Beeinträchtigungen und potenzieller gesellschaftlicher Faktoren im Alter von 65 Jahren und älter ist Design.

Geschätzte Stichprobengröße für eine Prävalenz der kognitiven Beeinträchtigung ist 541 Menschen, und mit einem Anstieg von 10%aufgrund von Verlusten, sind 600 Menschen. Zwischen dem Gesundheitsnetzwerk wurden Kommunikationsschreiben entwickelt, die über das Projekt informieren. Die endgültige Diagnose durch einen spezifischen Test ist der spezialisierten Pflege vorbehalten, nach dem im Diagramm gezeigten Protokoll.

Dies ist ein proprietärer Schritt vor der Anwendung von Machine-Learning-Techniken, die Daten entsprechend dem p-Test der anzuwendenden Algorithmen transformieren. Die Algorithmen zum Generieren von Entscheidungsstrukturen sind die Änderung der Variabilität oder Korrelation zwischen Variablen. Der Fokus liegt also auf der Kategorisierung von Variablen.

Zum Beispiel die Generierung von Variablen, um zu klassifizieren, ob der Patient ein Medikament nach der zweiten und dritten Ebene des anatomisch-therapeutischen chemischen Klassifikationscodes einnimmt, abhängig vom Pharmakotherapie-Follow-up-Blatt. Für jede Variable wurde eine logistische Regressionsanalyse durchgeführt, um auszuwerten, ob sie signifikant genug ist, um in den Datensatz aufgenommen zu werden, um die Entscheidungsstruktur zu generieren. Um die maximale Menge Genauigkeit in möglichen kognitiven Rückgang zu erhalten, wurden mehrere maschinelle Lerntechniken zusammengebracht.

Und schließlich haben wir ein Modell mit einem 80% unseres Kerns und einem Baummodell entwickelt, das auf unserem rekursiven Petitionsalgorithmus basiert, um einen Entscheidungsbaum zu entwickeln, um die wichtigsten Variablen in einem Screening zu erhalten. Der Machine-Learning-Algorithmus, der auf den Trainingsdatensatz angewendet wird, der 80 % des gesamten Datensatzes ausmacht. Der verbleibende Teil wird verwendet, um die Genauigkeit des Modells zu schätzen.

Es wird erwartet, dass der Datensatz im Gleichgewicht ist, und Downsampling ist eine der Techniken, um diesem Problem zu begegnen. Für das Screening sind wir sehr daran interessiert, die Anzahl der falschen Negative so weit wie möglich zu reduzieren. Dies kann durch eine obere PA-Auswahl der Verlustmatrix erreicht werden.

Der optimale Parameter des Algorithmus wurde mit einer Kreuzvalidierung ausgewählt. Unsere Querschnittsstudie wurde mit 728 nicht institutionalisierten Teilnehmern über 65 Jahren durchgeführt. Einhundert und 27 Teilnehmer schneiden bei Tests mit leichter kognitiver Beeinträchtigung positiv ab.

Die als positiv eingestuften Teilnehmer wurden auf die klinische Diagnose verwiesen. Nach der Durchführung der Studie zur Schätzung des Prozentsatzes der Benutzer mit leichter kognitiver Beeinträchtigung wird eine neue variate logistische Regression mit allen Variablen mit dem Ziel der Auswahl von Variablen durchgeführt. Für einige der signifikanteren Variablen wird in diesem Fehlerbalkendiagramm ein 99%-Konfidenzintervall des Odds-Verhältnisses angezeigt.

Es ist eine gemeinsame intergrafische Darstellung für das Konfidenzintervall des Odds-Verhältnisses, bei dem eine niedrige Skala für das Odds-Verhältnis verwendet wird. Alle diese Variablen, deren p-Wert größer als 0,01 ist, werden ausgewählt, um ein breites Boxmodell basierend auf der Entscheidungsstruktur zu generieren, während viele andere Variablen mit einem höheren p-Wert nicht ausgewählt wurden, um das Modell zu generieren. Für diese einfachen Variablen wird z. B. das 99%-Konfidenzintervall des Odds-Verhältnisses in den Wert 1 aufgenommen.

Und daher ist der p-Wert höher als 0,01. Nach dieser Vorverarbeitung haben wir den Datensatz in den Trainingsdatentest und den Testdatensatz aufgeteilt. Die Entscheidungsstruktur wird im Trainingsdatensatz als Eingabe generiert, die aus 583 Personen besteht, und mit dem Testsatz mit 145 Benutzern validiert.

Die Leistung der Algorithmen wurde anhand des Bereichs unter der ROC-Kurve im Testsatz bewertet. Nach der Verwendung der Autobibliothek in R, für jeden Benutzer, der resultierende Baum zugewiesen eine Wahrscheinlichkeit und eine Empfehlung, ob der Benutzer sollte die milde kognitive Beeinträchtigung Test zu nehmen. Sie sind abhängig vom endgültigen Knoten in der Struktur.

Der Wert am unteren Rand des Feldes ist der Prozentsatz der Personen mit diesen Eigenschaften im Trainingssatz. Je wärmer die Farbe der Box ist, desto wahrscheinlicher ist es bei Tests mit leichter kognitiver Beeinträchtigung. Achten Sie darauf, dass der oberste Knoten der Frage nach dem Fehlen von Speicherbeschwerden entspricht.

Hier spricht eine positive Antwort auf den linken Zweig, da es die folgende Frage das Geschlecht des Benutzers ist, während eine negative Antwort impliziert, zum rechten Zweig zu gehen und nach der Schlafzeit des Benutzers pro Tag zu fragen. Um die volle Umwandlungsfähigkeit des Entscheidungsbaums auszuwerten, wird die ROC-Kurve angezeigt. Die Fläche unter der ROC-Kurve beträgt 0,763.

Die Empfehlung des Baumes über die Einnahme des Tests mit leichter kognitiver Beeinträchtigung erreichte eine Empfindlichkeit. von 0,76 und einer Spezifität von 0,7, dargestellt mit einem blauen Punkt in der Abbildung. Als Ergebnis, ein kurzes Interview, um Benutzer mit dem Risiko einer leichten kognitiven Beeinträchtigung mit dem Werkzeug eines Entscheidungsbaums auszuwählen, erzeugt signifikant die Anzahl der Benutzer, die leichte kognitive Beeinträchtigung Tests, die ziemlich zeitaufwändig für den Tester ist.

Diese Reduzierung kann im Testsatz geschätzt werden, wodurch die Verwechslungsmatrix der beobachteten und vorhergesagten Klassen interpretiert wird. Tatsächlich werden 55 von 145 Benutzern im Testsatz durch den Entscheidungsbaum ausgewählt, wodurch 62 % der Benutzer, die Tests durchführen, reduziert werden, während die meisten Benutzer, die bei leichter kognitiver Beeinträchtigung positiv sind, ausgewählt werden, nämlich 19 von 25. Als Abschluss dieser Studie, angesichts einer leichten kognitiven Beeinträchtigung Screening, deren Prävalenz niedrig ist, 17%wie die für die Forschungsstudie berücksichtigt, ist es möglich, eine Reihe von angemessenen Auswahlkriterien mit Hilfe von maschinellen Lerntechniken zu entwerfen, erhöhung des Prozentsatzes der positiven in leichten kognitiven Beeinträchtigung bis zu mehr als 30% unter ausgewählten Benutzern.

Folglich haben diese Instrumente eine effizientere Überprüfung mit einer erheblichen Kostensenkung gefordert. Datengesteuerte Modelle, die davon profitieren, zu verstehen, was die wichtigsten Informationen sind, um ein reduziertes Modell zu konstruieren. Die Konstruktion eines Entscheidungsbaums gibt uns einen Einblick, auf welche Variablen wir setzen sollten, um Menschen, die die tests für leichte kognitive Beeinträchtigungen durchführen oder nicht, kostengünstig zu diskriminieren.

Der Protokollentwurf ist zeitaufwändig. Aus diesem Grund, einige andere Tests können für die zukünftige Erkennung von leichten kognitiven Beeinträchtigung in nur wenigen Minuten in Betracht gezogen werden. Darüber hinaus haben wir uns entschieden, unsere Screening-Studie im Alter von 50 statt 65 Jahren als vorbeugende Aufgabe zu dienen, um die Wirksamkeit in der Kette der leichten kognitiven Beeinträchtigung zu erhöhen.

Apotheker sind eine der zugänglichsten und regelmäßig besuchten Angehörigen der Gesundheitsberufe, und sie können eine entscheidende Rolle bei der Früherkennung von leichten kognitiven Beeinträchtigungen spielen.