孤独症谱系障碍儿童合并智力功能缺陷的GBM预测模型构建与评价
目的 构建并评价孤独症谱系障碍(ASD)儿童合并智力功能缺陷的GBM预测模型,以期为该群体的早期筛查提供新视角.方法 2017年1月-2021年12月,选取浙江大学医学院附属儿童医院明确诊断为ASD的241名儿童纳入分析.本研究使用社会人口学与行为观察数据训练了 GBM的预测模型,并与传统的Logistic回归(LR)对比.超参数调整使用网格搜索与十折交叉验证,特征选择使用交叉验证的LASSO方法,模型性能评价使用区分度与校准度.可解释性分析采用SHAP方法.结果 在241例ASD儿童中,98例(40.66%)合并智力功能缺陷.LASSO特征选择筛选出语言能力、母亲学历、行为观察时的年龄、刻板语言、指物和(或)姿势、主动表达社交意向的品质、不寻常感官兴趣、重复行为或刻板兴趣共计8个预测变量.特征选择前后的LR和GBM模型都能较好区分ASD儿童是否合并智力功能缺陷.特征选择后的 GBM 模型曲线下面积(AUC)(0.870,95%CI:0.749~0.989)与传统 LR(0.851,95%CI:0.704~0.921)接近;校准度方面,除全变量的LR校准度较差,其他模型均观测到了较好的校准度.特征重要性方面,语言能力是预测ASD儿童合并智力功能缺陷的第一重要特征.结论 特征选择后搭建的基于GBM的ASD儿童合并智力功能缺陷预测模型具有良好性能,具有一定的临床应用价值.
孤独症谱系障碍、智力功能缺陷、机器学习、预测模型
31
R749.94(神经病学与精神病学)
浙江省自然科学基金项目LGF20H090015
2023-05-23(万方平台首次上网日期,不代表论文的发表时间)
共6页
241-245,258