Цель этого видео заключается в том, чтобы описать, как разработать экономически эффективный скрининг легких когнитивных нарушений, который включает в себя больше трудностей, чем ожидалось, для выполнения низких когнитивных навыков, в основном связанных с памятью и языком. Мы хотим подчеркнуть важность такого рода условий, затрагивающих пожилых людей, и универсальность этой процедуры. Эта процедура может быть легко адаптирована к другим заболеваниям, превращая дорогостоящий скрининг в осуществимый.
Поиск Кокрановских систематических обзоров условий для проверки. Например, в нашем исследовании когнитивные нарушения или деменция "присоединились к факторам риска. Поиск на PubMed Условия представляет некоторые доказательства связи с когнитивными ухудшение или слабоумие.
Выберите переменные с большим доказательством связи с когнитивным ухудшением или деменцией, чтобы разработать вопросник. Тщательный поиск, включая термины, как когнитивные нарушения "и факторы риска" был проведен с помощью PubMed и Кокрановских систематических обзоров. Перед началом исследования с целью составления наибольшего количества факторов, которые появляются в научной литературе.
Как возможные характеристики, связанные с когнитивными нарушениями, в частности, в Кокрановской базе данных, он был услышан для всех статей с термином когнитивных нарушений "или слабоумие, и в PubMed статей с условиями секса, уровень образования, когнитивной деятельности, физической активности, диабета, гипертонии, холестерина, депрессии, ожирения, курения, алкоголя, сна, диеты и экономических условий. В сочетании с когнитивными нарушениями "или слабоумие, тоже. Таким образом, был разработан вопросник с переменными в библиографическом обзоре, которые представляют некоторые доказательства связи с когнитивным ухудшением или деменцией.
Разработан вопросник с информацией о выбранных связанных переменных. Для нашего исследования производительности, выбранные переменные демографический образ жизни и хронические патологии в дополнение к присутствию или отсутствию депрессии, которая часто связана с когнитивным ухудшением. Потребление наркотиков было собрано по методологии.
Анатомический терапевтический химический кодекс был использован для классификации препаратов. Выбранный скрининг-тест может проводиться персоналом первичной медико-санитарной службы, такими, как фармацевты. Учитывались основные характеристики, необходимые для проведения теста.
В частности, для испанского пожилого населения с большим количеством неграмотных, которые жили в гражданской войне в Испании, наше предложение было использование коротких Портативный психического государства Вопросник пользу и мини-ментального государственного экзамена Оба широко используются в клинике памяти, так как один из них требует грамотности. Набранные люди были неутконтированными пациентами в возрасте 65 лет и старше, которые регулярно ходили в аптеку и хотели бы принять участие в настоящем исследовании. Люди, которые имели какие-либо трудности для выполнения оценки теста или людей, которые находятся в лечении деменции исключены.
Участники исследования считаются когнитивными нарушениями, когда по крайней мере один из следующих критериев выполнен. Оценки данных в коротком переносном вопроснике психического состояния являются четырьмя или более баллами в случае неграмотных участников и тремя или более баллами по другим предметам. Менее 24 баллов в исправленной мини-ментальной государственной экспертизе.
Для постановки клинического диагноза к врачу-неврологу направляются когнитивные нарушения. Исследователи-фармацевты обучаются базовым знаниям о когнитивных нарушениях и управлению инструментами скрининга. Наше поперечное исследование для выявления когнитивных нарушений и потенциальных факторов, полученных обществом в возрасте 65 лет и старше является дизайн.
Расчетный размер выборки для распространенности когнитивных нарушений составляет 541 человек, и с увеличением на 10% из-за потерь, 600 человек. Между сетью здравоохранения разработаны коммуникационные письма, информирующие о проекте. Окончательный диагноз с помощью конкретного теста зарезервирован для специализированной помощи, следуя протоколу, показанному на диаграмме.
Это запатентованный шаг перед применением методов машинного обучения, преобразование данных в соответствии с р-тест алгоритмов, которые будут применяться. Алгоритмы генерации деревьев решений включают изменение изменчивости или корреляции между переменными. Таким образом, основное внимание уделяется классификации переменных.
Например, генерация переменных для классификации того, принимает ли пациент препарат в соответствии со вторым и третьим уровнем Кодекса анатомической терапевтической химической классификации, в зависимости от листа последующей фармакотерапии. Для каждой переменной был проведен анализ логистической регрессии для оценки того, достаточно ли она значительна, чтобы быть включенной в набор данных для генерации дерева решений. Для того, чтобы получить максимальную точность количества в возможном когнитивном упадке, было собрать несколько методов машинного обучения.
И, наконец, мы разработаем модель с 80% нашего ядра и модель дерева на основе нашего алгоритма рекурсивных петиций для разработки дерева решений, чтобы получить наиболее значительные переменные в скрининге. Алгоритм машинного обучения применяется к набору учебных данных, который состоит из 80% всего набора данных. Оставшаяся часть используется для оценки точности модели.
Набор данных, как ожидается, будет в балансе, и downsampling является одним из методов для решения этой проблемы. Для скрининга, мы очень заинтересованы в сокращении числа ложных негативов как можно больше. Это может быть достигнуто с помощью верхнего выбора PA матрицы потери.
Оптимальный параметр алгоритма был выбран с перекрестной проверкой. Наше поперечное исследование было проведено с участием 728 неаналитированных участников старше 65 лет. Сто 27 участников набрали положительные результаты при легких когнитивных тестах.
Участники, классифицированные как положительные, были отнесены к клинической диагностике. После проведения исследования для оценки доли пользователей с умеренными когнитивными нарушениями проводится новая вариатная логистическая регрессия со всеми переменными с целью выбора переменных. Для некоторых из наиболее значительных переменных на этом графике частоты ошибок отображается интервал коэффициента коэффициента 99% уверенности.
Это общее межграфическое представление для интервала доверия коэффициента коэффициента, где низкая шкала используется для коэффициента коэффициентов. Все эти переменные, значение которых превышает 0,01, выбраны для создания широкой модели коробки на основе дерева решений, в то время как многие другие переменные с более высоким значением p-значения не были выбраны для создания модели. Например, для этих простых переменных в значение включен интервал коэффициента коэффициента 99%.
И, следовательно, p-значение выше, чем 0,01. После предварительной обработки мы разделили набор данных на учебный тест данных и набор тестовых данных. Дерево решений генерируется в наборе учебных данных в качестве ввода, который состоит из 583 человек, и проверяется с тестовым набором со 145 пользователями.
Производительность алгоритмов была оценена с помощью области под кривой ROC в тестовом наборе. После использования автомобильной библиотеки в R для каждого пользователя полученному дереву назначена вероятность и рекомендация о том, следует ли пользователю проходить тест на умеренные когнитивные нарушения. Они зависят от конечного узла на дереве.
Значение в нижней части коробки процент лиц с этими характеристиками в учебном наборе. Чем теплее цвет коробки, тем больше вероятность быть положительным в легких когнитивных тестов нарушения. Обратите внимание, что верхний узел соответствует вопросу об отсутствии жалобы на память.
Здесь положительный ответ приветствуется в левой ветви, будучи следующий вопрос пола пользователя, в то время как отрицательный ответ подразумевает, чтобы перейти к правой ветви и спросить о спящем времени пользователя в день. Для оценки полной возможности литья дерева решений отображается кривая ROC. Его площадь под кривой ROC составляет.0.763.
Рекомендация дерева о принятии мягкой когнитивных нарушений тест достиг чувствительности. 0,76 и специфичность 0,7, представленные с синей точкой на рисунке. В результате, короткое интервью, чтобы выбрать пользователей, рискующих легкой когнитивных нарушений с инструментом дерева решений производит значительно количество пользователей, принимающих мягкие когнитивные тесты нарушения, что довольно много времени для тестера.
Это сокращение можно оценить в тестовом наборе, интерпретируя матрицу путаницы наблюдаемых и прогнозируемых классов. Действительно, 55 из 145 пользователей в тестовом наборе выбираются деревом решений, уменьшая 62% пользователей, са принимающих тесты, в то время как большинство пользователей, положительных в легкой когнитивных нарушений выбраны, а именно 19 из 25. В заключение этого исследования, учитывая мягкий когнитивных нарушений скрининга, распространенность которого низка, 17%, таких, как считается для исследования, можно разработать набор адекватных критериев отбора с помощью машинного обучения методов, увеличивая процент положительных в легкой когнитивных нарушений до более чем 30% среди отдельных пользователей.
Следовательно, эти инструменты просили быть более эффективными в скрининге при существенном сокращении расходов. Модели, управляемые данными, с пользой для понимания того, что является наиболее важной информацией для построения уменьшенной модели. Конструкция дерева решений дает нам представление о том, какие переменные мы должны сосредоточить внимание, для того, чтобы различать экономически эффективным способом людей, которые или не рекомендуется принимать мягкие когнитивные тесты нарушения.
разработка протокола отохитая много времени. Из-за этого, некоторые другие тесты могут быть рассмотрены для будущего обнаружения легких когнитивных нарушений всего за несколько минут. Кроме того, мы решили служить нашему скрининговому исследованию в возрасте 50 лет вместо 65 лет в качестве профилактической задачи для повышения эффективности в цепи легких когнитивных нарушений.
Фармацевты являются одним из самых доступных и регулярно посещаемых медицинских работников, и они могут играть жизненно важную роль в раннем выявлении легких когнитивных нарушений.
