Une approche d'apprentissage automatique pour concevoir un dépistage sélectif efficace de l'affaiblissement cognitif léger

Le but de cette vidéo est de décrire comment concevoir un dépistage rentable des troubles cognitifs légers, ce qui implique plus de difficultés que prévu pour effectuer de faibles compétences cognitives principalement liées à la mémoire et le langage. Nous tenons à souligner l’importance de ce type de condition affectant les personnes âgées, et la polyvalence de cette procédure. Cette procédure pourrait être facilement adaptée à d’autres maladies, en convertissant un dépistage coûteux en un dépistage faisable.

Recherchez cochrane revues systématiques pour les termes de la condition à l’écran. Par exemple, dans notre étude, l’affaiblissement cognitif ou la démence « se sont joints aux facteurs de risque. Recherche sur PubMed Terms présente quelques preuves de la relation avec la détérioration cognitive ou la démence.

Sélectionnez les variables avec plus de preuves d’association avec la détérioration cognitive ou la démence pour élaborer un questionnaire. Une recherche approfondie comprenant des termes comme déficience cognitive et facteurs de risque a été effectuée à l’aide de PubMed et des revues systématiques Cochrane. Avant de commencer l’étude dans le but de compiler le plus grand nombre de facteurs qui apparaissent dans la littérature scientifique.

Comme caractéristiques possibles liées aux troubles cognitifs, en particulier dans la base de données Cochrane, il a été entendu pour tous les articles avec le terme déficience cognitive ou démence, et dans les articles PubMed avec les termes de sexe, niveau d’éducation, activités cognitives, activité physique, diabète, hypertension, cholestérol, dépression, obésité, tabagisme, alcool, sommeil, alimentation, et les conditions économiques. En combinaison avec une déficience cognitive ou la démence, aussi. Par conséquent, un questionnaire a été élaboré avec les variables à l’examen bibliographique qui présentent quelques preuves de la relation avec la détérioration cognitive ou la démence.

Un questionnaire est conçu avec des informations sur les variables associées sélectionnées. Pour notre étude de performance, les variables choisies sont le mode de vie démographique et les pathologies chroniques en plus de la présence ou de l’absence de dépression, qui est fréquemment associée à la détérioration cognitive. La consommation de drogues a été recueillie selon la méthodologie.

Le Code chimique thérapeutique anatomique a été utilisé pour classer les médicaments. Le test de dépistage sélectionné pourrait être administré par le personnel de santé primaire comme les pharmaciens. Les caractéristiques de base nécessaires à l’essai étaient en tenant compte.

En particulier, pour la population âgée espagnole avec une grande quantité d’analphabètes qui ont vécu dans la guerre civile espagnole, notre proposition a été d’utiliser court portable Mental State Questionnaire de faveur et mini-examen de l’état mental les deux sont largement utilisés dans la clinique de mémoire, puisque l’un d’eux nécessite l’alphabétisation. Les personnes recrutées étaient des patients non institutionnalisés âgés de 65 ans ou plus qui se rendaient régulièrement à la pharmacie et souhaitaient participer à la présente étude. Les personnes qui ont eu de la difficulté à effectuer un test d’évaluation ou les personnes qui sont en traitement pour la démence sont exclues.

Les participants à l’étude sont considérés comme ayant une déficience cognitive lorsqu’au moins un des critères suivants est satisfait. Les scores de données dans le questionnaire portable court d’état mental sont quatre points ou plus dans le cas des participants analphabètes et trois points ou plus pour d’autres sujets. Un moins ou égal à 24 points dans le test corrigé mini-examen de l’état mental.

Les participants ayant une déficience cognitive sont dirigés vers un médecin spécialiste, en tant que neurologue, pour leur diagnostic clinique. Les chercheurs pharmaciens sont formés aux connaissances de base sur les troubles cognitifs et à la gestion des outils de dépistage. Notre étude transversale pour détecter les troubles cognitifs et les facteurs potentiels dérivés de la société chez la population âgée de 65 ans et plus est la conception.

La taille estimée de l’échantillon pour une prévalence de troubles cognitifs est de 541 personnes, et avec une augmentation de 10% en raison de pertes, sont 600 personnes. Des lettres de communication ont été conçues entre le réseau de soins de santé pour informer sur le projet. Le diagnostic définitif par un test spécifique est réservé aux soins spécialisés, suivant le protocole indiqué dans le diagramme.

Il s’agit d’une étape exclusive avant d’appliquer des techniques d’apprentissage automatique, en transformant les données en fonction du p-test des algorithmes à appliquer. Les algorithmes pour générer des arbres de décision sont de changer de variabilité ou de corrélation entre les variables. L’accent est donc mis sur la catégorisation des variables.

Par exemple, générer des variables pour classer si oui ou non le patient prend un médicament selon les deuxième et troisième niveaux du Code de classification chimique thérapeutique anatomique, selon la fiche de suivi de pharmacothérapie. Une analyse de régression logistique a été effectuée pour chaque variable afin d’évaluer si elle est suffisamment importante pour être incluse dans l’ensemble de données pour générer l’arbre de décision. Afin d’obtenir la précision maximale de la quantité dans le déclin cognitif possible, plusieurs techniques d’apprentissage automatique ont été assemblés.

Enfin, nous avons développé un modèle avec 80% de notre noyau et un modèle d’arbre basé sur notre algorithme de pétition récursive pour développer un arbre de décision pour obtenir les variables les plus significatives dans un criblage. L’algorithme d’apprentissage automatique appliqué à l’ensemble de données de formation, qui se compose d’un 80% de l’ensemble des données. Le reste est utilisé pour estimer l’exactitude du modèle.

On s’attend à ce que l’ensemble de données soit en équilibre, et l’amortissement est l’une des techniques pour faire face à ce problème. Pour le dépistage, nous sommes très intéressés à réduire autant que possible le nombre de faux négatifs. Ceci peut être réalisé au moyen d’une sélection supérieure de PA de la matrice de perte.

Le paramètre optimal de l’algorithme a été sélectionné avec une validation croisée. Notre étude transversale a été menée auprès de 728 participants non institutionnalisés âgés de plus de 65 ans. Cent vingt-sept participants obtiennent un score positif aux tests de troubles cognitifs légers.

Les participants classés positifs ont été référés au diagnostic clinique. Après avoir effectué l’étude de recherche pour estimer le pourcentage d’utilisateurs ayant une déficience cognitive légère, une nouvelle régression logistique variable est effectuée avec toutes les variables dans le but de sélectionner des variables. Pour certaines des variables les plus significatives, un intervalle de confiance de 99 % du rapport de cotes est affiché dans ce graphique à barres d’erreur.

Il s’agit d’une représentation intergraphique commune pour l’intervalle de confiance du rapport de cotes, où l’échelle basse est utilisée pour le rapport de cotes. Toutes ces variables dont la valeur p est supérieure à 0,01 sont sélectionnées pour générer un modèle de boîte large basé sur l’arbre de décision, tandis que de nombreuses autres variables ayant une valeur p plus élevée n’ont pas été sélectionnées pour générer le modèle. Par exemple, pour ces variables simples, l’intervalle de confiance de 99 % du rapport de cotes est inclus dans la valeur une.

Par conséquent, la valeur p est supérieure à 0,01. Après ce pré-traitement, nous avons divisé l’ensemble de données en test de données de formation et l’ensemble de données de test. L’arbre de décision est généré dans l’ensemble de données de formation sous forme d’entrée, qui se compose de 583 personnes, et validé avec l’ensemble de test avec 145 utilisateurs.

Les performances des algorithmes ont été évaluées au moyen de la zone sous la courbe ROC dans l’ensemble de test. Après avoir utilisé la bibliothèque de voiture en R, pour chaque utilisateur, l’arbre résultant a attribué une probabilité et une recommandation de savoir si oui ou non l’utilisateur doit passer le test de déficience cognitive légère. Ils dépendent du nœud final dans l’arbre.

La valeur au bas de la boîte est le pourcentage de personnes ayant ces caractéristiques dans l’ensemble de formation. Le plus chaud est la couleur de la boîte, le plus susceptible d’être positif dans les tests de déficience cognitive légère. Faites attention que le nœud supérieur correspond à la question de l’absence de plainte de mémoire.

Ici, une réponse positive salue la branche gauche, étant la question suivante le sexe de l’utilisateur, alors qu’une réponse négative implique d’aller à la branche droite et de poser des questions sur le temps de sommeil de l’utilisateur par jour. Pour évaluer la capacité de coulée complète de l’arbre de décision, la courbe ROC s’affiche. Il zone sous la courbe ROC est.0.763.

La recommandation de l’arbre au sujet de prendre le test léger d’affaiblissement cognitif a réalisé une sensibilité. de 0,76 et une spécificité de 0,7, représentée avec un point bleu dans le chiffre. En conséquence, une courte entrevue pour sélectionner les utilisateurs à risque de troubles cognitifs légers avec l’outil d’un arbre de décision produit de manière significative le nombre d’utilisateurs prenant des tests de déficience cognitive légère, ce qui prend beaucoup de temps pour le testeur.

Cette réduction peut être estimée dans l’ensemble d’essai, interprétant la matrice de confusion des classes observées et prévues. En effet, 55 utilisateurs sur 145 de l’ensemble de tests sont sélectionnés par l’arbre de décision, ce qui réduit de 62% les utilisateurs qui font des tests, alors que la plupart des utilisateurs étant positifs dans les troubles cognitifs légers sont sélectionnés, à savoir 19 sur 25. À la conclusion de cette étude, compte tenu d’un léger dépistage des troubles cognitifs dont la prévalence est faible, 17 % comme celle envisagée pour l’étude de recherche, il est possible de concevoir un ensemble de critères de sélection adéquats au moyen de techniques d’apprentissage automatique, augmentant le pourcentage de positif dans les troubles cognitifs légers jusqu’à plus de 30 % chez certains utilisateurs.

Par conséquent, ces outils ont demandé à être plus efficaces dans le dépistage avec une réduction substantielle des coûts. Les modèles axés sur les données ont l’avantage de comprendre quelles sont les informations les plus importantes afin de construire un modèle réduit. La construction d’un arbre de décision nous donne un aperçu des variables que nous devrions mettre l’accent, afin de discriminer d’une manière rentable les personnes qui sont ou non recommandés de passer les tests de déficience cognitive légère.

la conception du protocole prend beaucoup de temps. Pour cette raison, d’autres tests peuvent être envisagés pour la détection future de troubles cognitifs légers en seulement quelques minutes. En outre, nous avons décidé de servir notre étude de dépistage à l’âge de 50 ans au lieu de 65 comme une tâche préventive afin d’augmenter l’efficacité dans la chaîne de troubles cognitifs légers.

Les pharmaciens sont l’un des professionnels de la santé les plus accessibles et régulièrement visités, et ils peuvent jouer un rôle vital dans le dépistage précoce des troubles cognitifs légers.