老年人痴呆或认知障碍多由一种以上年龄相关的常见脑部疾病所致。阿尔茨海默病(Alzheimer's disease,AD)是其中最常见的神经变性疾病,且是全球前10位死因中唯一无法治愈或缺乏长期对症疗效的疾病,给个人、家庭和全球经济都带来了巨...老年人痴呆或认知障碍多由一种以上年龄相关的常见脑部疾病所致。阿尔茨海默病(Alzheimer's disease,AD)是其中最常见的神经变性疾病,且是全球前10位死因中唯一无法治愈或缺乏长期对症疗效的疾病,给个人、家庭和全球经济都带来了巨大的负担。早期及时发现和干预是对抗AD的最佳策略。在过去的30年中,许多研究都提出了降低痴呆风险的方法,2020年《柳叶刀》杂志的痴呆预防报告已阐明通过应对风险因素可以预防或延缓超过40%的痴呆。然而,目前全球医疗体系尚未具备早期或及时发现AD的足够能力。最近的一项研究发现,只有不到10%的轻度认知障碍(mild cognitive impairment,MCI)是在初级医疗机构中诊断出来的。近来,抗淀粉样蛋白β(Amyloid beta,Aβ)抗体药物lecanemab和donanemab被批准上市用于早期AD治疗,以及30年的随访研究证明改善风险因素显著减少AD痴呆的发病率并延长了寿命,使得人们对AD早期识别的关注迅速增加。阿尔茨海默病防治协会(China Association for Alzheimer's Disease,CAAD)认识到居家早期和及时发现AD的重要性,并成立了一个由协会成员、临床医生和研究人员组成的全球AD多领域专家团队,就以下目标达成共识:①为个人、家庭、社区、协会和组织提供专家指导意见;②介绍用于认知障碍和痴呆居家筛查的数字工具和可用资源,并为AD高危人群或疑似患者制定下一步应对策略;③讨论现有可用或将来可能的居家筛查适宜AD生物标志物;④为未来的改进和全球应用建立可行性框架。专家组对于当前可用的证据、工具和资源进行综述,并进一步考量其在AD居家筛查中的价值。展开更多
目的利用自适应合成抽样(adaptive synthetic sampling,ADASYN)与类别逆比例加权法处理类别不平衡数据,结合分类器构建模型对阿尔茨海默病(alzheimer′s disease,AD)患者疾病进程进行分类预测。方法数据源自阿尔茨海默病神经影像学计划(...目的利用自适应合成抽样(adaptive synthetic sampling,ADASYN)与类别逆比例加权法处理类别不平衡数据,结合分类器构建模型对阿尔茨海默病(alzheimer′s disease,AD)患者疾病进程进行分类预测。方法数据源自阿尔茨海默病神经影像学计划(Alzheimer′s disease neuroimaging initiative,ADNI),经随机森林填补缺失值,弹性网络筛选特征子集后,利用ADASYN与类别逆比例加权法处理类别不平衡数据。分别结合随机森林(random forest,RF)、支持向量机(support vector machine,SVM)构建四种模型:ADASYN-RF、ADASYN-SVM、加权随机森林(weighted random forest,WRF)、加权支持向量机(weighted support vector machine,WSVM),与RF、SVM比较分类性能。模型评价指标为宏观平均精确率(macro-average of precision,macro-P)、宏观平均召回率(macro-average of recall,macro-R)、宏观平均F1值(macro-average of F1-score,macro-F1)、准确率(accuracy,ACC)、Kappa值和AUC(area under the ROC curve)。结果ADASYN-RF的分类性能最优(Kappa值为0.938,AUC为0.980),ADASYN-SVM次之。利用ADASYN-RF预测得到的重要分类特征分别为CDRSB、LDELTOTAL、MMSE,在临床上均可得到证实。结论ADASYN与类别逆比例加权法都能辅助提升分类器性能,但ADASYN算法更优。展开更多
文摘老年人痴呆或认知障碍多由一种以上年龄相关的常见脑部疾病所致。阿尔茨海默病(Alzheimer's disease,AD)是其中最常见的神经变性疾病,且是全球前10位死因中唯一无法治愈或缺乏长期对症疗效的疾病,给个人、家庭和全球经济都带来了巨大的负担。早期及时发现和干预是对抗AD的最佳策略。在过去的30年中,许多研究都提出了降低痴呆风险的方法,2020年《柳叶刀》杂志的痴呆预防报告已阐明通过应对风险因素可以预防或延缓超过40%的痴呆。然而,目前全球医疗体系尚未具备早期或及时发现AD的足够能力。最近的一项研究发现,只有不到10%的轻度认知障碍(mild cognitive impairment,MCI)是在初级医疗机构中诊断出来的。近来,抗淀粉样蛋白β(Amyloid beta,Aβ)抗体药物lecanemab和donanemab被批准上市用于早期AD治疗,以及30年的随访研究证明改善风险因素显著减少AD痴呆的发病率并延长了寿命,使得人们对AD早期识别的关注迅速增加。阿尔茨海默病防治协会(China Association for Alzheimer's Disease,CAAD)认识到居家早期和及时发现AD的重要性,并成立了一个由协会成员、临床医生和研究人员组成的全球AD多领域专家团队,就以下目标达成共识:①为个人、家庭、社区、协会和组织提供专家指导意见;②介绍用于认知障碍和痴呆居家筛查的数字工具和可用资源,并为AD高危人群或疑似患者制定下一步应对策略;③讨论现有可用或将来可能的居家筛查适宜AD生物标志物;④为未来的改进和全球应用建立可行性框架。专家组对于当前可用的证据、工具和资源进行综述,并进一步考量其在AD居家筛查中的价值。
文摘目的利用自适应合成抽样(adaptive synthetic sampling,ADASYN)与类别逆比例加权法处理类别不平衡数据,结合分类器构建模型对阿尔茨海默病(alzheimer′s disease,AD)患者疾病进程进行分类预测。方法数据源自阿尔茨海默病神经影像学计划(Alzheimer′s disease neuroimaging initiative,ADNI),经随机森林填补缺失值,弹性网络筛选特征子集后,利用ADASYN与类别逆比例加权法处理类别不平衡数据。分别结合随机森林(random forest,RF)、支持向量机(support vector machine,SVM)构建四种模型:ADASYN-RF、ADASYN-SVM、加权随机森林(weighted random forest,WRF)、加权支持向量机(weighted support vector machine,WSVM),与RF、SVM比较分类性能。模型评价指标为宏观平均精确率(macro-average of precision,macro-P)、宏观平均召回率(macro-average of recall,macro-R)、宏观平均F1值(macro-average of F1-score,macro-F1)、准确率(accuracy,ACC)、Kappa值和AUC(area under the ROC curve)。结果ADASYN-RF的分类性能最优(Kappa值为0.938,AUC为0.980),ADASYN-SVM次之。利用ADASYN-RF预测得到的重要分类特征分别为CDRSB、LDELTOTAL、MMSE,在临床上均可得到证实。结论ADASYN与类别逆比例加权法都能辅助提升分类器性能,但ADASYN算法更优。
