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

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。

血管性认知障碍早期预测机器学习模型的构建

目的探索以血管性高危因素构建的机器学习模型早期预测血管性认知障碍的预测性能。方法2020年4月至9月,收集本院住院患者及陪护人员70例的人口学资料、血管性高危因素,行蒙特利尔认知评估量表(MoCA)评估,根据评估结果将受试者分为正常组、血管性轻度认知障碍(VaMCI)组和痴呆组;单因素方差分析筛选组间存在显著性差异的血管性高危因素,采用支持向量机(SVM)和极限学习机(ELM)构建预测模型;采用接受者操作特征曲线比较两种模型的预测性能。结果根据MoCA评估结果,正常组32例,VaMCI组23例,痴呆组15例;三组间收缩压、空腹血糖、总胆固醇、低密度脂蛋白、血尿酸有显著性差异(F>3.318,P<0.05);SVM模型预测VaMCI的曲线下面积最高,为0.911(P<0.01),SVM模型优于ELM模型。结论基于血管性高危因素构建的SVM预测模型优于ELM模型。

脑卒中后肩痛流行病学特征的Meta分析

目的系统评价脑卒中后肩痛(PSSP)的流行病学特征。方法计算机检索PubMed、WanFang Data、CNKI、EMbase、The Cochrane Library和SinoMed数据库,搜集有关PSSP发病率的研究,检索时限均由建库至2019年11月30日。由2名研究者独立筛选文献、提取资料并评价纳入研究的偏倚风险后,使用Stata 15.0软件进行Meta分析。结果共纳入13个研究,包括3 514例脑卒中患者,其中PSSP患者1 357例。Meta分析结果显示,PSSP总发病率为45.0%[95%CI(32.0%,58.0%)]。亚组分析结果显示:按研究时间来分,2010年前后PSSP发病率分别为55.5%[95%CI(48.1%,63.0%)]和40.6%[95%CI(28.3%,52.9%)];按人群来源来分,亚洲人群PSSP发病率为61.2%[95%CI(51.3%,71.1%)],欧、美洲人群发病率为18.4%[95%CI(9.9%,26.9%)]。结论当前证据显示,脑卒中后肩痛发病率较高,且可能受地域因素影响。受纳入研究数量和质量的限制,上述结论尚待更多高质量研究予以验证。