版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、目的:基于阿爾茨海默?。ˋlzheimer disease, AD)的疾病自然史,將貝葉斯網(wǎng)絡(luò)模型應(yīng)用于老年人認(rèn)知評(píng)價(jià)研究,建立老年人認(rèn)知功能評(píng)價(jià)的推理及預(yù)測(cè)模型,探討影響老年人認(rèn)知功能的因素,為制定AD不同發(fā)展階段的防治措施提供理論依據(jù)。同時(shí)從實(shí)際應(yīng)用角度出發(fā),挖掘貝葉斯統(tǒng)計(jì)在隊(duì)列研究數(shù)據(jù)分析中的優(yōu)勢(shì),為其他慢性病的進(jìn)程研究提供方法學(xué)借鑒,將精準(zhǔn)醫(yī)學(xué)的概念擴(kuò)展至疾病風(fēng)險(xiǎn)預(yù)測(cè)。
方法:采用項(xiàng)目組前期的調(diào)查隨訪數(shù)據(jù),以2014年
2、5月的數(shù)據(jù)為基線數(shù)據(jù),對(duì)301名調(diào)查對(duì)象以正常老化→輕度認(rèn)知損害(Mild Cognitive Impairment, MCI)、MCI→中重度認(rèn)知損害、中重度認(rèn)知損害→AD是否轉(zhuǎn)移構(gòu)建Logistic回歸模型,篩選對(duì)認(rèn)知退化有影響的因素,將進(jìn)入模型的所有變量構(gòu)建貝葉斯網(wǎng)絡(luò)模型,分析各變量間的概率依賴關(guān)系,并采用10折交叉驗(yàn)證法對(duì)建模數(shù)據(jù)和2016年5月的隨訪數(shù)據(jù)進(jìn)行模型預(yù)測(cè)效果評(píng)價(jià),實(shí)現(xiàn)老年人認(rèn)知功能評(píng)價(jià)的推理及預(yù)測(cè)。
結(jié)果
3、:⑴Logistic回歸模型結(jié)果顯示,年齡(OR:1.794,95%CI:1.200-2.682)、性別(OR:4.125,95%CI:2.017-8.436)、受教育程度(OR:0.633,95%CI:0.448-0.894)、抑郁程度(OR:4.458,95%CI:1.915-10.377)、高血壓(OR:2.346,95%CI:1.086-5.069)對(duì)正常老化→MCI的轉(zhuǎn)移有影響;年齡(OR:2.450,95%CI:1.212-
4、4.953)、性別(OR:0.118,95%CI:0.031-0.442)、受教育程度(OR:0.614,95%CI:0.375-1.004)、性格(OR:0.092,95%CI:0.013-0.662)、婚姻狀況(OR:0.272,95%CI:0.086-0.862)、家庭人均收入(OR:0.456,95%CI:0.273-0.762)、身體活動(dòng)(OR:0.631,95%CI:0.407-0.980)和讀書(shū)看報(bào)(OR:0.432,95
5、%CI:0.188-0.992)、抑郁程度(OR:97.144,95%CI:21.452-439.909)、高血壓(OR:0.304,95%CI:0.077-1.199)、腦外傷史(OR:0.188,95%CI:0.037-0.959)均對(duì)MCI→中重度認(rèn)知損害轉(zhuǎn)移有影響;性別(OR:0.328,95%CI:0.087-1.234)、婚姻狀況(OR:0.102,95%CI:0.043-0.243)、離休前職業(yè)(OR:7.799,95%C
6、I:1.242-48.955)、飲酒(OR:0.126,95%CI:0.016-0.997)、抑郁程度(OR:3.560,95%CI:0.998-12.705)在中重度認(rèn)知損害→AD轉(zhuǎn)移中有統(tǒng)計(jì)學(xué)意義。⑵用于構(gòu)建貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)的節(jié)點(diǎn)包括認(rèn)知功能、抑郁程度、性別、年齡、性格、受教育程度、婚姻狀況、家庭人均收入、離休前職業(yè)、讀書(shū)看報(bào)、身體活動(dòng)、飲酒、腦外傷史、高血壓。結(jié)果顯示模型的期望損失為10.28,且貝葉斯網(wǎng)絡(luò)的預(yù)測(cè)效能優(yōu)于其他分類器效
7、能,對(duì)認(rèn)知功能的預(yù)測(cè)準(zhǔn)確率為77.14%,靈敏度為0.869,特異度為0.770,抑郁情況的預(yù)測(cè)準(zhǔn)確率為80.07%,靈敏度為0.801,特異度為0.648。對(duì)老年人認(rèn)知功能有直接作用的是高血壓、受教育程度、離休前職業(yè)和抑郁程度,性別、家庭人均收入、婚姻狀況、讀書(shū)看報(bào)、身體活動(dòng)、性格分別通過(guò)受教育程度、離休前職業(yè)、抑郁程度、高血壓間接作用于認(rèn)知功能。
結(jié)論:①高血壓、受教育程度、離休前職業(yè)和抑郁程度與老年人認(rèn)知功能可能有直接因
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 貝葉斯模型在老年人健康管理效果評(píng)價(jià)中的應(yīng)用.pdf
- 貝葉斯網(wǎng)絡(luò)在老年人普適健康監(jiān)測(cè)服務(wù)中的應(yīng)用研究.pdf
- 貝葉斯網(wǎng)絡(luò)在認(rèn)知診斷中的應(yīng)用.pdf
- 貝葉斯網(wǎng)絡(luò)在認(rèn)知診斷中的應(yīng)用
- 貝葉斯網(wǎng)絡(luò)在民航飛行安全評(píng)價(jià)中的應(yīng)用.pdf
- 貝葉斯網(wǎng)在認(rèn)知診斷中的應(yīng)用.pdf
- 貝葉斯方法在精算模型中的應(yīng)用.pdf
- 貝葉斯網(wǎng)絡(luò)模型在旅游大數(shù)據(jù)分析中的應(yīng)用.pdf
- 貝葉斯網(wǎng)絡(luò)分類模型在高職教育考試中的應(yīng)用研究.pdf
- 貝葉斯平均模型及其在醫(yī)學(xué)研究中的應(yīng)用探索.pdf
- 粒子濾波算法在貝葉斯動(dòng)態(tài)模型中的應(yīng)用.pdf
- 貝葉斯網(wǎng)研究及在輕度認(rèn)知損害診斷中的應(yīng)用.pdf
- 貝葉斯網(wǎng)絡(luò)及其在范例推理中的應(yīng)用研究.pdf
- 貝葉斯網(wǎng)絡(luò)在軟測(cè)量建模中的應(yīng)用研究.pdf
- 基于貝葉斯網(wǎng)絡(luò)的預(yù)測(cè)模型研究.pdf
- 貝葉斯網(wǎng)絡(luò)分類模型研究及其在小樣本故障診斷中的應(yīng)用.pdf
- 基于貝葉斯網(wǎng)絡(luò)的動(dòng)態(tài)預(yù)測(cè)模型研究及其應(yīng)用.pdf
- 貝葉斯網(wǎng)絡(luò)在SoC模擬驗(yàn)證中的應(yīng)用研究.pdf
- 貝葉斯網(wǎng)絡(luò)在Web數(shù)據(jù)挖掘中的研究及應(yīng)用.pdf
- 數(shù)據(jù)挖掘中的貝葉斯網(wǎng)絡(luò)學(xué)習(xí)模型優(yōu)化研究與應(yīng)用.pdf
評(píng)論
0/150
提交評(píng)論