基于多变量逻辑回归的帕金森病认知障碍预测模型

Abstract

帕金森病（Parkinson’s disease，PD）患者常伴随认知障碍，严重影响生活质量，因此对帕金森病认知障碍进行超前预测对于临床诊断和干预至关重要。然而，帕金森病受多变量因素（如年龄、性别、病程时间等）的耦合影响，使得认知障碍的超前预测面临严峻挑战。针对帕金森病认知障碍的多变量耦合特性，采用多变量逻辑回归方法，构建了一种新型列线图模型，旨在超前预测帕金森病患者发生认知障碍（cognitive impairment，CI）的风险。首先，应用最小绝对收缩选择算子（least absolute shrinkage and selection operator，LASSO）算法对可能影响患者认知能力的风险因素进行了分析，筛选出相关性高的临床变量。其次，采用多变量逻辑回归方法分析各变量之间的相关性，构建可视化的新型列线图模型，实现对帕金森病认知障碍的风险超前预测。最后，模型性能评估结果表明新型认知障碍预测模型具有良好的准确性、一致性和临床实用性，可显著地提高临床医生的诊断效率。此外，该模型还实现了对同一预测因子不同值的患者数量及分布的可视化对比和分析，能够辅助临床医生根据每位患者的个人风险制定个性化的医疗管理和咨询方案，有助于更早地展开对患者的干预和治疗，具备一定的临床诊断价值。

Keywords

• 帕金森病
• 认知障碍
• 多变量逻辑回归
• 列线图