Page 51 - 中国全科医学2022-09
P. 51

·1072· http://www.chinagp.net   E-mail:zgqkyx@chinagp.net.cn


           视力、矫正视力、听力、矫正听力。记录既往史，主要                            2 结果
           包括卒中、糖尿病、高血压、高脂血症、维生素 B 12 缺                        2.1 基本情况 397 例 MCI 患者中男 194 例（48.87%）、
           乏症、甲状腺疾病、尿失禁、大便失禁。计算体质指数                            女 203 例（51.13%），平均年龄为（75.8±10.0）岁。
           （BMI），根据世界卫生组织（WHO）推荐的判断标准                          124 例 MCI 患者逆转为 NC，逆转率为 31.23%；177 例
                             2
                                                  2
           界定：18.5~24.9 kg/m 为正常，25.0~29.9 kg/m 为超重，           MCI 患者稳定，稳定率为 44.58%；96 例 MCI 患者进展
                     2
           ≥ 30.0 kg/m 为肥胖。                                    为痴呆，进展率为 24.18%。
               采 用 简 易 精 神 状 态 量 表（Mini-mental State           2.2 MCI患者不同转归的多分类情况 采用随机森林将
           Examination，MMSE） 和 临 床 痴 呆 评 定 量 表（Clinical        397 例 MCI 患者的不同转归进行分层三分类，总 ACC
           Dementia Rating，CDR）评估认知功能。MMSE 总分范                 为 67.58%，基于 Boruta 特征进行选择，得出 MMSE、
           围为 0~30 分，得分越高表示认知功能越好                 ［3］ 。CDR     CDR 为 MCI 患者不同转归的最重要特征。分层三分类
           是根据总的认知评分标准综合成一个总分，其结果以 0、                          流程图见图 1。
           0.5、1.0、2.0、3.0 分表示，分别判定为正常、可疑、轻度、                      在多个二分类中，进展和逆转、逆转和稳定的分类
           中度和重度等 5 级       ［4］ 。 采 用 连 线 测 验（trail making     性能较优，总 ACC 均在 90% 以上；进展和稳定的分类
           test-part A，TMT-A）评估执行功能的定势转移能力             ［5］ 。   性能较差，仅为 68.86%。多个二分类结果中进展和逆转、
           采用语言流畅性测验（verbal fluency test，VFT）评估执               逆转和稳定的二分类 ACC 均 >90%、AUC 均 >0.900，
           行功能中的流畅性，评估方法为 1 min 内动物命名正确                        分类效果较佳。分层三分类中稳定→逆转→进展的总
           数和蔬菜命名正确数。采用简版老年抑郁量表（Geriatric                      ACC 为 84.38%，见表 1。
           Depression Scale，GDS-15）评估抑郁水平，GDS-15 量             2.3 MCI 患者不同转归的单因素分析 不同转归情况
           表总分范围为 0~15 分，得分越高表示抑郁症状越明                          的 MCI 患者年龄、性别、受教育年限、婚姻状况、独
           显 ［6］ 。                                             立能力、吸烟情况、BMI、矫正视力情况、矫正听力情况、
               精神症状评估工具：采用简明神经精神量表
           （Neuropsychiatric Inventory Questionnaire，NPI-Q）评估
                                                                   MCI 患者          MCI 患者          MCI 患者
           精神行为症状的严重程度。该量表是由长期陪伴患者的
           照料者完成的患者自我管理问卷，反映患者最近 1 个月
           的精神行为症状。该量表总分范围为 0~36 分，得分越                         逆转   稳定 + 进展     稳定   逆转 + 进展    进展   逆转 + 稳定
           高表示精神行为症状越严重。
               日常功能评估工具：采用功能活动问卷（Functional                     A  稳定     进展    B   逆转    进展     C  逆转     稳定
                                                                  注：MCI= 轻度认知障碍；A 为逆转→稳定→进展，B 为稳定→
           Activities Questionary，FAQ）评估日常活动功能。该量
                                                               逆转→进展，C 为进展→逆转→稳定
           表总分范围为（0~30 分），得分越高表示日常活动功                                      图 1 MCI 患者分层三分类流程图
           能越差。                                                Figure 1 Flowchart of hierarchical three-class classification of MCI
           1.3 统计学方法 采用 R-4.0.4 软件进行统计分析。计                     outcomes
                                              2
           数资料以相对数表示，组间比较采用 χ 检验。计量资                                      表 1 MCI 患者不同转归分类性能汇总
           料先进行正态性检验，服从正态分布时以（ ±s）表示，                          Table 1 Performance summary of different modalities in classifying
                                                               outcomes in MCI patients
           多组间比较采用单因素方差分析；不服从正态分布时
                                                                              多个二分类               分层三分类
           以 M（QR）表示，多组间比较采用 Kruskal-Wallis H 检
                                                                  指标     逆转    稳定     逆转    逆转→稳  稳定→逆   进展→逆
           验。基于 Boruta 算法进行特征选择，结合随机森林采用                                 和稳定   和进展   和进展    定→进展  转→进展   转→稳定
           十折交叉验证进行 MCI 不同转归的直接三分类、多个                          总 ACC（%）  91.36  68.86  90.45  72.29  84.38  73.80
           二分类和分层三分类。采用准确度（ACC）、平衡准确                           B-ACC（%）  90.84  61.69  90.36  87.58  72.63  54.23
           率（B-ACC）、灵敏度（SEN）、特异度（SPE）、阳                         SEN（%）   87.90  85.88  91.13  80.65  75.71  18.75
           性预测值（PPV）、阴性预测值（NPV）和受试者工作                           SPE（%）   93.79  37.50  89.58  94.51  69.55  89.70
                                                                PPV（%）   90.83  71.70  91.87  86.96  66.67  36.74
           特征曲线下面积（AUC）评价模型的分类性能。将单因
                                                                NPV（%）   91.71  59.02  88.66  91.49  78.06  77.59
           素分析中差异有统计学意义（P<0.10）的影响因素作为
                                                                 F1 分数   0.913  0.647  0.902  0.892  0.719  0.499
           自变量，以 MCI 的不同转归情况（逆转、稳定、进展）
                                                                  AUC    0.908  0.617  0.904  0.876  0.726  0.542
                                                                  注：ACC= 准 确 度，B-ACC= 平 衡 准 确 率，SEN= 灵 敏 度，
           作为因变量，进行多分类逐步 Logistic 回归分析（α 入
           =0.05，α 出 =0.10），报告比值比（OR）及其 95% 置信                 SPE= 特异度，PPV= 阳性预测值，NPV= 阴性预测值，AUC= 受试者
           区间（CI）。                                             工作特征曲线下面积
   46   47   48   49   50   51   52   53   54   55   56