换一批XGBoost算法在轻度认知障碍人群阿尔兹海默病发病预测中的应用
Application of XGBoost algorithm in predicting Alzheimer′s disease in patients with mild cognitive impairment
摘要目的:探索极限梯度增强(XGBoost)算法模型在轻度认知障碍(MCI)向阿尔茨海默病(AD)转化中的预测性能.方法:从AD神经影像学计划数据库中选取370例MCI患者,收集随访数据.通过无放回随机抽样将样本分为包含70％样本量的训练集和包含30％样本量的测试集.以第1次随访后10 a内是否患AD为因变量,采用XGBoost算法筛选特征变量,构建AD预测模型,同时构建Logistic回归、BP神经网络和支持向量机模型,评价模型预测AD的效能.结果:经XGBoost特征选择,临床痴呆评分总和量表(CDR-SB)得分、社会活动功能量表(FAQ)得分、简易精神状态检查量表得分、听觉语言学习测试得分、BMI、舒张压、缬氨酸、白蛋白、年龄、葡萄糖、教育水平得分、糖蛋白-N-乙酰(GlycA)被纳入预测模型.基于最佳超参数组合建立的XGBoost模型的预测性能优于其他模型,其准确率、敏感度、特异度、Kappa值和AUC(95％CI)分别为0.935、0.962、0.862、0.833和0.921(0.858～0.985).所构建的XGBoost模型中,CDR-SB得分和FAQ得分重要性最大,占74.91％.结论:基于XGBoost算法构建的预测模型可用于AD患病风险的预测;在MCI人群中,CDR-SB得分和FAQ得分为重点关注指标.
更多相关知识
分类号
R181（流行病学与防疫）
栏目名称
DOI
10.13705/j.issn.1671-6825.2021.12.068
发布时间
2022-12-22（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金（81803337）
国家自然科学基金（81872719）
国家统计局课题（2018LY79）
山东省自然科学基金项目（ZR2019MH034）
山东省高等学校青创人才引育计划（2019-6-156）
山东省高等学校青创人才引育计划（Lu-Jiao）
潍坊医学院博士启动基金项目（2017BSQD51）
- 浏览125
- 被引14
- 下载49
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
