血管性高危因素预测血管性轻度认知障碍:支持向量机模型构建及应用

R459.9%R318%R743; 背景:随着人口老龄化的不断进展,轻度认知障碍患者逐步增多.越来越多的证据表明,血管性高危因素与血管性认知障碍有显著的相关性.因此,血管性高危因素也可作为识别和预测血管性认知障碍的方法之一.目的:探索以血管性高危因素构建的支持向量机模型在识别血管性轻度认知障碍中的临床价值,以期作为一种简易的筛查工具应用于基层机构、社区以及居家康复中.方法:纳入研究的受试者行认知功能评估,根据评估结果分为正常组、血管性轻度认知障碍组和痴呆组;同时采用方差分析筛选出3组间有统计学差异的血管性高危因素,从而构建血管性轻度认知障碍筛查的支持向量机模型,使用敏感度、特异度、阳性预测值、...

Full description

Saved in:
Bibliographic Details
Published in中国组织工程研究 Vol. 27; no. 2; pp. 287 - 292
Main Authors 张倩, 卞敏洁, 何琴, 黄东锋
Format Journal Article
LanguageChinese
Published 中山大学附属第七医院,广东省深圳市 518000 2023
Subjects
支持向量机
机器学习
血管性轻度认知障碍
血管性高危因素
痴呆
Online AccessGet full text

Cover

More Information
Summary:R459.9%R318%R743; 背景:随着人口老龄化的不断进展,轻度认知障碍患者逐步增多.越来越多的证据表明,血管性高危因素与血管性认知障碍有显著的相关性.因此,血管性高危因素也可作为识别和预测血管性认知障碍的方法之一.目的:探索以血管性高危因素构建的支持向量机模型在识别血管性轻度认知障碍中的临床价值,以期作为一种简易的筛查工具应用于基层机构、社区以及居家康复中.方法:纳入研究的受试者行认知功能评估,根据评估结果分为正常组、血管性轻度认知障碍组和痴呆组;同时采用方差分析筛选出3组间有统计学差异的血管性高危因素,从而构建血管性轻度认知障碍筛查的支持向量机模型,使用敏感度、特异度、阳性预测值、阴性预测值及曲线下面积评估模型的预测性能.结果 与结论:①符合纳入标准的80例受试者中,根据认知功能评估结果分为正常组(39例)、血管性轻度认知障碍组(24例)和痴呆组(17例);②组间单因素方差分析结果发现收缩压、空腹血糖、总胆固醇、低密度脂蛋白、血尿酸5个血管性高危因素组间存在统计学意义(P<0.05);③故用上述5个因素构建模型,结果显示筛查血管性轻度认知障碍的灵敏度为0.8453,特异度为0.9194,阳性预测值为0.8180,阴性预测值为0.9327,受试者工作曲线结果显示曲线下面积为0.8923;④提示基于常规体检项目中血管性高危因素构建支持向量机模型在血管性轻度认知障碍筛查中具有较高的辨别效能,且其简单易行,可作为一种筛查的方法应用于基层机构、社区以及居家康复中.
ISSN:2095-4344