Podejście oparte na uczeniu maszynowym do projektowania skutecznych selektywnych badań przesiewowych w kierunku łagodnych zaburzeń poznawczych

Celem tego filmu jest opisanie sposobu zaprojektowania opłacalnego badania przesiewowego w kierunku łagodnych zaburzeń poznawczych, które wiążą się z większą trudnością niż oczekiwano w przypadku wykonywania niskich umiejętności poznawczych, głównie związanych z pamięcią i językiem. Chcemy podkreślić znaczenie tego rodzaju schorzenia dotykającego osoby starsze oraz wszechstronność tej procedury. Procedurę tę można łatwo dostosować do innych chorób, przekształcając kosztowne badania przesiewowe w wykonalne.

Przeszukaj przeglądy systematyczne Cochrane, aby dowiedzieć się, jakie warunki należy przebadać. Na przykład w naszym badaniu upośledzenie funkcji poznawczych lub demencja "w połączeniu z czynnikami ryzyka. Wyszukiwanie w PubMed Terms przedstawia pewne dowody na związek z pogorszeniem funkcji poznawczych lub demencją.

Wybierz zmienne, które mają więcej dowodów na związek z pogorszeniem funkcji poznawczych lub demencją, aby opracować kwestionariusz. Dokładne wyszukiwanie obejmujące terminy takie jak upośledzenie funkcji poznawczych i czynniki ryzyka zostało przeprowadzone przy użyciu PubMed i przeglądów systematycznych Cochrane. Przed rozpoczęciem badania w celu zebrania jak największej liczby czynników, które pojawiają się w literaturze naukowej.

Jako możliwe cechy związane z upośledzeniem funkcji poznawczych, w szczególności w bazie danych Cochrane, słyszano o nich we wszystkich artykułach z terminem "upośledzenie funkcji poznawczych" lub demencja, a także w artykułach PubMed z terminami płci, poziomu wykształcenia, aktywności poznawczej, aktywności fizycznej, cukrzycy, nadciśnienia, cholesterolu, depresji, otyłości, palenia tytoniu, alkoholu, snu, diety i warunków ekonomicznych. W połączeniu z upośledzeniem funkcji poznawczych lub demencją. W związku z tym opracowano kwestionariusz z uwzględnieniem zmiennych w przeglądzie bibliograficznym, które przedstawiają pewne dowody na związek z pogorszeniem funkcji poznawczych lub demencją.

Kwestionariusz jest projektowany z informacjami o wybranych powiązanych zmiennych. W naszym badaniu wydajności wybrane zmienne to demograficzny styl życia i przewlekłe patologie, a także obecność lub brak depresji, która często wiąże się z pogorszeniem funkcji poznawczych. Informacje na temat spożycia narkotyków zostały zebrane zgodnie z metodologią.

Do klasyfikacji leków wykorzystano Anatomiczny Terapeutyczny Kod Chemiczny. Wybrany test przesiewowy może być przeprowadzany przez personel podstawowej opieki zdrowotnej, np. farmaceutów. Pod uwagę wzięto podstawowe cechy niezbędne do przeprowadzenia testu.

W szczególności dla hiszpańskiej populacji osób starszych z dużą liczbą analfabetów, którzy żyli w hiszpańskiej wojnie domowej, nasza propozycja polegała na użyciu Krótkiego Przenośnego Kwestionariusza Stanu Psychicznego przychylności i Mini-Testu Stanu Psychicznego Oba są szeroko stosowane w klinice pamięci, ponieważ jeden z nich wymaga umiejętności czytania i pisania. Zrekrutowani byli pacjentami w wieku 65 lat lub starszymi, którzy regularnie chodzili do apteki i chcieli wziąć udział w niniejszym badaniu. Osoby, które miały jakiekolwiek trudności z wykonaniem testu oceniającego lub osoby leczone z powodu demencji, są wykluczone.

Uczestnicy badania są uważani za upośledzonych poznawczo, gdy spełnione jest co najmniej jedno z poniższych kryteriów. Wyniki danych w Krótkim Przenośnym Kwestionariuszu Stanu Psychicznego wynoszą cztery lub więcej punktów w przypadku niepiśmiennych uczestników i trzy lub więcej punktów w przypadku innych przedmiotów. Mniejsza lub równa 24 punkty z poprawionego testu Mini-Mental State Examination.

Uczestnicy z zaburzeniami poznawczymi są kierowani do lekarza specjalisty, jako neurologa, w celu postawienia diagnozy klinicznej. Naukowcy zajmujący się farmaceutami są szkoleni w zakresie podstawowej wiedzy na temat zaburzeń poznawczych oraz w zakresie zarządzania narzędziami do badań przesiewowych. Nasze przekrojowe badanie mające na celu wykrycie upośledzenia funkcji poznawczych i potencjalnych czynników pochodnych społeczeństwa w populacji w wieku 65 lat i starszych jest w fazie projektowania.

Szacowana wielkość próby dla rozpowszechnienia zaburzeń poznawczych wynosi 541 osób, a przy wzroście o 10% z powodu strat wynosi 600 osób. Pomiędzy siecią opieki zdrowotnej zostały zaprojektowane listy komunikacyjne informujące o projekcie. Ostateczna diagnoza za pomocą określonego testu jest zarezerwowana dla specjalistycznej opieki, zgodnie z protokołem pokazanym na schemacie.

Jest to zastrzeżony krok przed zastosowaniem technik uczenia maszynowego, przekształcania danych zgodnie z testem p algorytmów, które mają być zastosowane. Algorytmy do generowania drzew decyzyjnych mają za zadanie zmienić zmienność lub korelację między zmiennymi. Nacisk kładziony jest więc na kategoryzację zmiennych.

Na przykład generowanie zmiennych w celu sklasyfikowania, czy pacjent przyjmuje lek zgodnie z drugim i trzecim poziomem Anatomicznego Kodu Klasyfikacji Terapeutyczno-Chemicznej, w zależności od arkusza kontrolnego farmakoterapii. Dla każdej zmiennej przeprowadzono analizę regresji logistycznej, aby ocenić, czy jest ona na tyle istotna, aby została uwzględniona w zbiorze danych w celu wygenerowania drzewa decyzyjnego. Aby uzyskać maksymalną dokładność w przypadku możliwego spadku funkcji poznawczych, zebrano kilka technik uczenia maszynowego.

I wreszcie, opracowaliśmy model z 80% naszego rdzenia i model drzewa oparty na naszym rekurencyjnym algorytmie petycji, aby opracować drzewo decyzyjne, aby uzyskać najbardziej znaczące zmienne w badaniu. Algorytm uczenia maszynowego zastosowany do zbioru danych treningowych, który składa się w 80% z całego zbioru danych. Pozostała część służy do oszacowania dokładności modelu.

Oczekuje się, że zestaw danych będzie w równowadze, a próbkowanie w dół jest jedną z technik radzenia sobie z tym problemem. Jeśli chodzi o badania przesiewowe, bardzo zależy nam na jak największym zmniejszeniu liczby wyników fałszywie ujemnych. Można to osiągnąć za pomocą górnego wyboru PA macierzy strat.

Optymalny parametr algorytmu został wybrany za pomocą walidacji krzyżowej. Nasze badanie przekrojowe zostało przeprowadzone z udziałem 728 uczestników niezinstytucjonalizowanych w wieku powyżej 65 lat. Stu 27 uczestników uzyskało pozytywny wynik w testach na łagodne zaburzenia poznawcze.

Uczestnicy sklasyfikowani jako pozytywni zostali skierowani do diagnozy klinicznej. Po przeprowadzeniu badania w celu oszacowania odsetka użytkowników z łagodnymi zaburzeniami poznawczymi, przeprowadza się nową zmienną regresję logistyczną ze wszystkimi zmiennymi w celu wybrania zmiennych. W przypadku niektórych bardziej istotnych zmiennych na tym wykresie słupkowym błędu wyświetlany jest 99-procentowy przedział ufności ilorazu szans.

Jest to powszechna reprezentacja intergraficzna przedziału ufności ilorazu szans, w której dla ilorazu szans używana jest niska skala. Wszystkie te zmienne, których wartość p jest większa niż 0,01, są wybierane do generowania modelu szerokopolowego na podstawie drzewa decyzyjnego, podczas gdy wiele innych zmiennych o wyższej wartości p nie zostało wybranych do generowania modelu. Na przykład dla tych prostych zmiennych 99% przedział ufności ilorazu szans jest uwzględniony w wartości jeden.

W związku z tym wartość p jest wyższa niż 0,01. Po tym wstępnym przetworzeniu podzieliliśmy zestaw danych na test danych treningowych i zestaw danych testowych. Drzewo decyzyjne jest generowane w zbiorze danych treningowych jako dane wejściowe, który składa się z 583 osób, i walidowane za pomocą zestawu testowego z udziałem 145 użytkowników.

Wydajność algorytmów została oceniona za pomocą obszaru pod krzywą ROC w zestawie testowym. Po użyciu biblioteki samochodowej w R, dla każdego użytkownika, wynikowe drzewo przypisało prawdopodobieństwo i rekomendację, czy użytkownik powinien przystąpić do testu na łagodne zaburzenia poznawcze. Są one zależne od ostatniego węzła w drzewie.

Wartość na dole pola to procent osób z tymi cechami w zbiorze treningowym. Im cieplejszy jest kolor pudełka, tym bardziej prawdopodobne jest, że wynik będzie pozytywny w łagodnych testach na zaburzenia poznawcze. Zwróć uwagę, że górny węzeł odpowiada kwestii skargi na brak pamięci.

Tutaj pozytywna odpowiedź wita lewą gałąź, czyli następujące pytanie o płeć użytkownika, podczas gdy negatywna odpowiedź sugeruje przejście do prawej gałęzi i zapytanie o czas snu użytkownika w ciągu dnia. Aby ocenić pełną zdolność rzutowania drzewa decyzyjnego, wyświetlana jest krzywa ROC. Obszar pod krzywą ROC wynosi 0,763.

Zalecenie drzewa dotyczące wykonania testu na łagodne zaburzenia poznawcze osiągnęło czułość 0,76 i swoistość 0,7, reprezentowaną przez niebieski punkt na rysunku. W rezultacie, krótki wywiad mający na celu wytypowanie użytkowników zagrożonych łagodnymi zaburzeniami poznawczymi za pomocą narzędzia drzewa decyzyjnego znacznie zwiększa liczbę użytkowników poddanych testom na łagodne zaburzenia poznawcze, co jest dość czasochłonne dla testera.

Redukcję tę można oszacować w zbiorze testowym, interpretując macierz pomyłek obserwowanych i przewidywanych klas. Rzeczywiście, 55 ze 145 użytkowników w zestawie testowym jest wybieranych przez drzewo decyzyjne, co zmniejsza 62% użytkowników biorących udział w testach, podczas gdy większość użytkowników z pozytywnym wynikiem w łagodnym upośledzeniu poznawczym jest wybierana, a mianowicie 19 z 25. Podsumowując to badanie, biorąc pod uwagę łagodne badanie przesiewowe w kierunku zaburzeń poznawczych, których częstość występowania jest niska, 17%, takich jak rozważane w badaniu naukowym, możliwe jest zaprojektowanie zestawu odpowiednich kryteriów selekcji za pomocą technik uczenia maszynowego, zwiększając odsetek pozytywnych w łagodnych zaburzeniach poznawczych do ponad 30% wśród wybranych użytkowników.

W związku z tym poproszono o to, aby narzędzia te były bardziej efektywne w badaniach przesiewowych przy znacznym obniżeniu kosztów. Modele oparte na danych z korzyścią wynikającą ze zrozumienia, jakie są najważniejsze informacje w celu skonstruowania zredukowanego modelu. Konstrukcja drzewa decyzyjnego daje nam wgląd w to, na jakie zmienne powinniśmy zwrócić uwagę, aby w sposób efektywny kosztowo odróżnić osoby, którym zaleca się lub nie zaleca się wykonywania testów na łagodne zaburzenia poznawcze.

Projektowanie protokołu jest czasochłonne. Z tego powodu niektóre inne testy mogą być brane pod uwagę w celu wykrycia w przyszłości łagodnych zaburzeń poznawczych w ciągu zaledwie kilku minut. Co więcej, zdecydowaliśmy się na przeprowadzenie naszego badania przesiewowego w wieku 50 lat zamiast 65 lat jako zadania profilaktycznego, aby zwiększyć skuteczność w łańcuchu łagodnych zaburzeń poznawczych.

Farmaceuci są jednymi z najbardziej dostępnych i regularnie odwiedzanych pracowników służby zdrowia i mogą odgrywać istotną rolę we wczesnym wykrywaniu łagodnych zaburzeń poznawczych.