基于随机森林算法的脑小血管病伴轻度认知障碍的诊断模型研究

摘要：

目的 探讨脑小血管病伴轻度认知障碍的危险因素,并建立预测脑小血管病伴轻度认知障碍的随机森林模型.方法 选取226例脑小血管病患者,采用Logistic回归分析筛选脑小血管病伴轻度认知障碍的危险因素,采用R软件建立预测脑小血管病伴轻度认知障碍的随机森林模型.结果 所选226例脑小血管病患者中有81例患者发生轻度认知障碍,轻度认知障碍的发生率为35.84％.Logistic回归分析结果显示,高龄、文化程度低、独居、高同型半胱氨酸血症、糖尿病、高血压及睡眠障碍等是脑小血管病伴轻度认知障碍的危险因素(P<0.05).随机森林模型结果显示,影响脑小血管病伴轻度认知障碍的因素重要性排序依次是年龄、高同型半胱氨酸血症、独居、高血压、文化程度、睡眠障碍及糖尿病.随机森林模型预测脑小血管病伴轻度认知障碍的AUC为0.804,Logistic回归模型预测脑小血管病伴轻度认知障碍的AUC为0.797,随机森林模型与Logistic回归模型对脑小血管病伴轻度认知障碍皆具有较高的预测效能.结论 高龄、高同型半胱氨酸血症、独居、高血压、文化程度低、睡眠障碍及糖尿病等是脑小血管病伴轻度认知障碍的危险因素,随机森林模型有助于临床简单快速进行轻度认知障碍风险分析和及早制定科学的防治措施.

关键词：脑小血管病、轻度认知障碍、危险因素、随机森林模型

所属期刊栏目：35

分类号：R749.1(神经病学与精神病学)

资助基金：四川省卫生和计划生育委员会科研课题;四川省医学科研课题

在线出版日期：2023-03-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：365-369