Een machine learning-benadering voor het ontwerpen van een efficiënte selectieve screening van milde cognitieve stoornissen

Het doel van deze video is om te beschrijven hoe je een kosteneffectieve screening van milde cognitieve stoornissen ontwerpt, wat meer problemen met zich meebrengt dan verwacht om lage cognitieve vaardigheden uit te voeren die voornamelijk gerelateerd zijn aan geheugen en taal. We willen het belang benadrukken van dit soort aandoeningen die ouderen treffen, en de veelzijdigheid van deze procedure. Deze procedure kan gemakkelijk worden aangepast aan andere ziekten, waardoor een kostbare screening wordt omgezet in een haalbare.

Zoek Cochrane Systematische Beoordelingen voor termen van de voorwaarde om te screenen. Bijvoorbeeld, in onze studie, cognitieve stoornissen of dementie"samen met risicofactoren. Search on PubMed Terms presenteert enig bewijs van de relatie met cognitieve achteruitgang of dementie.

Selecteer de variabelen met meer bewijs van associatie met cognitieve achteruitgang of dementie om een vragenlijst uit te werken. Een grondige zoektocht met termen als cognitieve stoornissen"en risicofactoren"werd uitgevoerd met behulp van PubMed en de Cochrane Systematic Reviews. Voordat de studie met het doel van het samenstellen van het grootste aantal factoren die in de wetenschappelijke literatuur.

Als mogelijke kenmerken met betrekking tot cognitieve stoornissen, met name in de Cochrane Database, werd het gehoord voor alle artikelen met de term cognitieve stoornissen"of dementie, en in PubMed artikelen met de termen van seks, voorlichtingsniveau, cognitieve activiteiten, fysieke activiteit, diabetes, hypertensie, cholesterol, depressie, obesitas, roken, alcohol, slaap, dieet, en economische omstandigheden. In combinatie met cognitieve stoornissen"of dementie, ook. Daarom werd een vragenlijst uitgewerkt met de variabelen in de bibliografische evaluatie die enig bewijs van de relatie met cognitieve achteruitgang of dementie presenteren.

Een vragenlijst is ontworpen met informatie over de geselecteerde bijbehorende variabelen. Voor onze prestatiestudie zijn de gekozen variabelen demografische levensstijl en chronische pathologieën naast de aanwezigheid of afwezigheid van depressie, die vaak geassocieerd wordt met cognitieve achteruitgang. Het gebruik van drugs werd verzameld volgens de methodologie.

De Anatomische Therapeutische Chemische Code werd gebruikt om de drugs te classificeren. De geselecteerde screeningstest kan worden toegediend door personeel van primaire gezondheid, zoals apothekers. Er werd rekening gehouden met de basiskenmerken die nodig waren om de test uit te voeren.

In het bijzonder, voor de Spaanse bejaarde bevolking met een grote hoeveelheid analfabeten die leefden in de Spaanse Burgeroorlog, ons voorstel was met behulp van Korte Draagbare Mentale Staat Vragenlijst van gunst en Mini-Mental State Examination Beide worden op grote schaal gebruikt in het geheugen kliniek, omdat een van hen vereist geletterdheid. De aangeworven personen waren niet-geïnstitutionaliseerde patiënten van 65 jaar of ouder die regelmatig naar de apotheek gingen en aan deze studie wilden deelnemen. Mensen die moeite hadden met het uitvoeren van een evaluatietest of mensen die in behandeling zijn voor dementie zijn uitgesloten.

Deelnemers aan de studie worden beschouwd als cognitieve verminderde wanneer ten minste een van de volgende criteria wordt voldaan. Data scores in Short Portable Mental State Questionnaire zijn vier of meer punten in het geval van ongeletterde deelnemers en drie of meer punten voor andere onderwerpen. Een minder dan of gelijk aan 24 punten in de gecorrigeerde Mini-Mental State Examination test.

Cognitief-verminderde deelnemers worden verwezen naar een medisch specialist, als neuroloog, voor hun klinische diagnose. Apothekersonderzoekers zijn opgeleid in basiskennis over cognitieve stoornissen en in het beheer van screeningstools. Onze cross-sectionele studie om cognitieve stoornissen en potentiële door de samenleving afgeleide factoren in de leeftijd van 65 jaar en ouder te detecteren is ontwerp.

Geschatte steekproef grootte voor een prevalentie van cognitieve stoornissen is 541 mensen, en met een toename van 10%als gevolg van verliezen, zijn 600 mensen. Tussen het zorgnetwerk zijn communicatiebrieven opgesteld die over het project informeren. De definitieve diagnose door middel van een specifieke test is gereserveerd voor gespecialiseerde zorg, volgens het protocol in het diagram.

Dit is een eigen stap voor het toepassen van machine learning-technieken, waarbij gegevens worden omgezet volgens de p-test van de toe te passen algoritmen. De algoritmen om beslissingsbomen te genereren zijn om variabiliteit of correlatie tussen variabelen te veranderen. De focus ligt dus op het categoriseren van variabelen.

Bijvoorbeeld het genereren van variabelen om te classificeren of de patiënt een geneesmiddel neemt volgens het tweede en derde niveau van de Anatomische Therapeutische Chemische Classificatiecode, afhankelijk van de follow-uppagina van farmacotherapie. Voor elke variabele werd een logistieke regressieanalyse uitgevoerd om te beoordelen of deze belangrijk genoeg is om in de gegevensset te worden opgenomen om de beslissingsstructuur te genereren. Om de maximale hoeveelheid nauwkeurigheid in in mogelijke cognitieve achteruitgang te krijgen, zijn verschillende machine-learning technieken in elkaar gezet.

En tenslotte hebben we een model ontwikkeld met een 80% van onze kern en een boommodel op basis van ons recursieve petitiealgoritme om een beslissingsboom te ontwikkelen om de belangrijkste variabelen in een screening te krijgen. Het machine learning-algoritme dat wordt toegepast op de trainingsgegevensset, die bestaat uit 80% van de hele gegevensset. Het resterende deel wordt gebruikt om de nauwkeurigheid van het model te schatten.

Data set zal naar verwachting in evenwicht zijn, en downsampling is een van de technieken om dit probleem onder ogen te zien. Voor screening zijn we zeer geïnteresseerd in het verminderen van het aantal valse negatieven zo veel mogelijk. Dit kan worden bereikt door middel van een bovenste PA selectie van de verliesmatrix.

De optimale parameter van het algoritme is geselecteerd met een kruisvalidatie. Onze cross-sectionele studie werd uitgevoerd met 728 niet-geïnstitutionaliseerde deelnemers ouder dan 65. Honderd en 27 deelnemers scoren positief op milde cognitieve stoornissen.

Deelnemers die als positief werden geclassificeerd, werden verwezen naar klinische diagnose. Na het uitvoeren van het onderzoek om het percentage gebruikers met een milde cognitieve stoornis te schatten, wordt een nieuwe variate logistieke regressie uitgevoerd met alle variabelen met als doel variabelen te selecteren. Voor sommige van de belangrijkste variabele wordt een betrouwbaarheidsinterval van 99% van de odds ratio weergegeven in deze foutbalkgrafiek.

Het is een gemeenschappelijke intergrafische weergave voor het betrouwbaarheidsinterval van de odds ratio, waarbij lage schaal wordt gebruikt voor odds ratio. Al deze variabelen waarvan de p-waarde groter is dan 0,01, worden geselecteerd om een breed vakmodel te genereren op basis van de beslissingsstructuur, terwijl veel andere variabelen met een hogere p-waarde niet zijn geselecteerd om het model te genereren. Voor deze vlakte variabelen is bijvoorbeeld het betrouwbaarheidsinterval van 99% van de odds ratio opgenomen in de waarde.

En dus is de p-waarde hoger dan 0,01. Na deze voorbewerking hebben we de gegevensset opgesplitst in trainingsgegevenstest en de testgegevensset. De beslissingsstructuur wordt gegenereerd in de trainingsgegevensset als invoer, die bestaat uit 583 personen en gevalideerd met de testset met 145 gebruikers.

De prestaties van de algoritmen zijn beoordeeld aan de hand van het gebied onder de ROC-curve in de testset. Na het gebruik van autobibliotheek in R, voor elke gebruiker, de resulterende boom toegewezen een waarschijnlijkheid en een aanbeveling van de vraag of de gebruiker moet de milde cognitieve stoornissen test te nemen. Ze zijn afhankelijk van het uiteindelijke knooppunt in de boom.

De waarde onderaan de doos is het percentage personen met deze kenmerken in de trainingsset. Hoe warmer is de kleur van de doos, hoe groter de kans om positief te zijn in milde cognitieve stoornissen tests. Let erop dat het bovenste knooppunt overeenkomt met de vraag of er geen geheugenklacht is.

Hier, een positief antwoord roept op de linker tak, wordt de volgende vraag van de gebruiker geslacht, terwijl een negatief antwoord impliceert om naar de juiste tak en te vragen over de slaaptijd van de gebruiker per dag. Om de volledige gietcapaciteit van de beslissingsstructuur te evalueren, wordt de ROC-curve weergegeven. Het gebied onder ROC curve is.0.763.

De aanbeveling van de boom over het nemen van de milde cognitieve stoornissen test bereikte een gevoeligheid. van 0,76 en een specificiteit van 0,7, vertegenwoordigd met een blauw punt in de figuur. Als gevolg hiervan, een kort interview om gebruikers te selecteren in het risico van milde cognitieve stoornissen met het instrument van een beslissing boom produceert aanzienlijk het aantal gebruikers die milde cognitieve stoornissen tests, dat is vrij tijdrovend voor de tester.

Deze vermindering kan worden geschat in de testset, waarbij de verwarringsmatrix van de waargenomen en voorspelde klassen wordt geïnterpreteerd. 55 van de 145 gebruikers in de testset worden geselecteerd door de beslisboom, waardoor 62% van de gebruikers die tests uitvoeren, wordt verminderd, terwijl de meeste gebruikers die positief zijn in milde cognitieve stoornissen worden geselecteerd, namelijk 19 van de 25. Als conclusie van deze studie, gezien een milde screening van cognitieve stoornissen waarvan de prevalentie laag is, 17%, zoals in aanmerking genomen voor de onderzoeksstudie, is het mogelijk om een reeks adequate selectiecriteria te ontwerpen door middel van machine learning-technieken, waardoor het percentage positieve bij milde cognitieve stoornissen tot meer dan 30% onder geselecteerde gebruikers wordt verhoogd.

Daarom hebben deze instrumenten gevraagd om efficiënter te worden gescreend met een aanzienlijke kostenbesparing. Datagedreven modellen met voordeel van het begrijpen van wat de belangrijkste informatie is om een gereduceerd model te bouwen. De bouw van een beslisboom geeft ons inzicht op welke variabelen we een focus moeten leggen, om op een kosteneffectieve manier te discrimineren dat mensen die wel of niet worden aanbevolen om de milde cognitieve stoornissentests te nemen.

het protocolontwerp is tijdrovend. Vanwege dat, sommige andere tests kunnen worden overwogen voor toekomstige detectie van milde cognitieve stoornissen in slechts een paar minuten. Bovendien hebben we besloten om onze screening studie te dienen op de leeftijd van 50 in plaats van 65 als een preventieve taak om de effectiviteit in de keten van milde cognitieve stoornissen te verhogen.

Apothekers zijn een van de meest toegankelijke en regelmatig bezochte beroepsbeoefenaren in de gezondheidszorg, en ze kunnen een vitale rol spelen bij de vroegtijdige opsporing van milde cognitieve stoornissen.