Tšebeliso ea MemTrax le Moetso oa ho Ithuta ka Mechini ho Khethollo ea Mathata a Bonolo a Kelello
Sengoloa sa Patlisiso
Bangoli: Bergeron, Michael F. | Landset, Sara | Zhou, Xianbo | Ding, Tao | Khoshgoftaar, Taghi M. | Zhao, Feng | Du, Bo | Chen, Xinjie | Wang, Xuan | Zhong, Lianmei | Liu, Xiaolei| Ashford, J. Wesson
DOI: 10.3233/JAD-191340
Journal: Journal of Maloetse a Alzheimer, vol. 77, che. 4, maq. 1545-1558, 2020
inahaneloang
Background:
Ketsahalo e atileng le ho ata ha Lefu la Alzheimer and Mild cognitive impairment (MCI) e hlahisitse pitso e potlakileng ea lipatlisiso ho netefatsa tlhahlobo ea kelello le tlhahlobo ea pele ho nako.
Morero:
Sepheo sa rona sa mantlha sa lipatlisiso e ne e le ho fumana hore na metrics ea ts'ebetso ea MemTrax le palo e nepahetseng ea batho le litšobotsi tsa boemo ba bophelo bo botle li ka sebelisoa ka mokhoa o atlehileng mefuteng e boletsoeng esale pele e ntlafalitsoeng ka ho ithuta ka mochini ho hlophisa bophelo bo botle ba kelello (bo tloaelehileng le MCI), joalo ka ha ho tla bontšoa ke Tlhahlobo ea Temoho ea Montreal (MoCA).
Mekhoa:
Re entse boithuto bo fapaneng mabapi le 259 ea methapo ea kutlo, tleliniki ea memori, le bakuli ba baholo ba bongaka ba kahare ba hiriloe ho tsoa ho tse peli. lipetlele tsa Chaena. Mokuli e mong le e mong o ile a fuoa MoCA ea puo ea Sechaena 'me a itlhokomela ka mokhoa o tsoelang pele oa ho amoheloa ke MemTrax inthaneteng. teko ea memori inthaneteng ka tsatsi lona leo. Mefuta e boletsoeng esale pele ea likarolo e hahiloe ho sebelisoa ho ithuta ka mochini ka netefatso ea makhetlo a 10, 'me ts'ebetso ea mohlala e lekantsoe ho sebelisoa Area Under the Receiver Operating Characteristic Curve (AUC). Mehlala e hahiloe ho sebelisoa metrics e 'meli ea ts'ebetso ea MemTrax (liperesente tse nepahetseng, nako ea karabelo), hammoho le likarolo tse robeli tse tloaelehileng tsa batho le nalane ea motho.
Results:
Ha ho bapisa barutoana ho pholletsa le motsoako o khethiloeng oa lintlha le menyako ea MoCA, Naïve Bayes ka kakaretso e ne e le moithuti ea atlehileng haholo ka kakaretso ea 0.9093. Ho feta moo, har'a barutoana ba bararo ba ka holimo-limo, MemTrax-based classification performance ka kakaretso e ne e phahame ka ho sebelisa likarolo tse 'nè feela tsa boemo bo holimo (0.9119) ha li bapisoa le ho sebelisa likarolo tsohle tse 10 tse tloaelehileng (0.8999).
fihlela qeto ena:
Ts'ebetso ea MemTrax e ka sebelisoa ka nepo molemong oa ho bolela esale pele ka mokhoa oa ho ithuta oa mochini ts'ebeliso ea tlhahlobo bakeng sa ho lemoha ho senyeha ha kelello ha boemo ba pele.
SELELEKELA
Ketsahalo e tsebahalang (leha e sa hlahlojoe hantle) e atileng ka bophara le ho ata le ho hola ho tšoanang ho tsa bongaka, sechabeng, le sechabeng. bophelo bo botle Litšenyehelo le moroalo oa lefu la Alzheimer's (AD) le bokooa bo fokolang ba kelello (MCI) li ntse li eketseha ho ba amehang bohle [1, 2]. Boemo bona bo nyahamisang le bo matla bo entse hore ho be le boipiletso bo potlakileng ba hore lipatlisiso li netefatsoe ho lemoha kapele lisebelisoa tsa tlhahlobo ea kelello le tsa tlhahlobo bakeng sa ts'ebeliso ea kamehla maemong a botho le a kliniki bakeng sa bakuli ba tsofetseng ho pholletsa le libaka le baahi ba fapaneng [3]. Lisebelisoa tsena li tlameha ho fana ka phetolelo e hlakileng ea liphetho tsa lirekoto tsa bophelo bo botle ba elektroniki. Melemo e tla fumaneha ka ho tsebisa bakuli le ho thusa lingaka ho lemoha liphetoho tse kholo pele ho moo, kahoo ho nolofalletsa ho arola ka potlako le ka nako e nepahetseng, ho kenya ts'ebetsong, le ho lateloa ha phekolo e nepahetseng le e theko e tlaase le tlhokomelo ea mokuli bakeng sa ba qalang ho ba le phihlelo. ho fokotseha ha maikutlo [3, 4].
Sesebelisoa sa k'homphieutha sa MemTrax (https://memtrax.com) ke tlhahlobo e bonolo le e khuts'oane e tsoelang pele ea kananelo e ka ikemelang inthaneteng ho lekanya ts'ebetso ea mohopolo oa episodic e thata moo mosebelisi a arabelang litšoantšong tse pheta-phetoang eseng nehelano ea pele [5, 6]. Lipatlisiso tsa morao-rao le liphello tse sebetsang li qala ho bontša butle-butle le ka kopanelo katleho ea bongaka ea MemTrax qalong ea AD le tlhahlobo ea MCI [5-7]. Leha ho le joalo, papiso e tobileng ea ts'ebeliso ea kliniki ho e teng bophelo bo botle ba kelello Tekanyetso le litekanyetso tse tloaelehileng li netefalitsoe ho tsebisa pono ea litsebi le ho tiisa ts'ebeliso ea MemTrax nakong ea tlhahlobo ea pele le ts'ehetso ea tlhahlobo. van der Hoek et al. [8] bapisa metrics ea ts'ebetso ea MemTrax e khethiloeng (lebelo la ho arabela le liperesente tse nepahetseng) le boemo ba kelello joalo ka ha bo khethiloe ke Montreal. Kelo ea Kelello (MoCA). Leha ho le joalo, phuputso ena e ne e lekanyelitsoe ho amahanya metrics ena ea ts'ebetso le sebopeho sa boemo ba kelello (joalo ka ha ho laetsoe ke MoCA) le ho hlalosa mefuta e amanang le litekanyetso le boleng bo fokolang. Ka hona, ho atolosa phuputso ena le ho ntlafatsa ts'ebetso ea lihlopha le katleho, potso ea rona ea mantlha e ne e le:
- Na motho a ka khetha metrics ea ts'ebetso ea MemTrax le palo ea batho le bophelo bo botle profile Litšobotsi li ka sebelisoa ka mokhoa o atlehileng mokhoeng oa ho bolela esale pele o ntlafalitsoeng ka ho ithuta ka mochini ho hlophisa bophelo bo botle ba kelello ka mokhoa o ikhethileng (tloaelehileng khahlano le MCI), joalo ka ha ho ka bonts'oa lintlha tsa motho tsa MoCA?
Ea bobeli ho sena, re ne re batla ho tseba:
- Ho kenyeletsoa likarolo tse tšoanang, na mokhoa oa ho ithuta oa mochine oa MemTrax o ka sebelisoa ka katleho ho mokuli ho bolela esale pele ho teba (bonolo le bo matla) ka har'a lihlopha tse khethiloeng tsa bokooa ba kelello joalokaha ho ka khethoa ke tlhahlobo e ikemetseng ea kliniki?
Ho fihla le ho ntlafatsa ts'ebeliso e sebetsang ea bohlale ba maiketsetso le ho ithuta ka mochini ho hlahlobisisa / ho lemoha li se li bonts'itse melemo e ikhethang e sebetsang, ka mokhoa oa ho bolela esale pele o tataisang baoki tlhahlobong e thata ea bophelo bo botle ba kelello / boko le taolo ea mokuli. Thutong ea rona, re khethile mokhoa o ts'oanang oa ho etsa mohlala oa likarolo tsa MCI le khethollo e matla ea ho senyeha ha kelello joalo ka ha ho netefalitsoe ke tlhahlobo ea bongaka ho tsoa litsing tse tharo tse emelang bakuli ba baithaopi le bakuli ba kantle ho tsoa lipetlele tse peli tsa China. Re sebelisa mokhoa oa ho lepa ho ithuta ka mochini, re khethile baithuti ba sebetsang hantle haholo ho tsoa mefuteng e fapaneng ea dataset/baithuti mme ra beha likarolo tse tla re tataisa ha re hlalosa mekhoa e sebetsang ka ho fetisisa ea bongaka.
Maikutlo a rona e ne e le hore mohlala o netefalitsoeng oa MemTrax o ka sebelisoa ho hlophisa bophelo bo botle ba kelello ka mokhoa o fapaneng (tloaelehileng kapa oa MCI) ho ipapisitsoe le tekanyo ea lintlha tsa MoCA, le hore mohlala o ts'oanang oa MemTrax o ka sebelisoa ka nepo ho khetholla boima mefuteng e khethiloeng ea. e hlahlobiloe ke lingaka ho senyeha hoa kelello. Ho bonts'a liphetho tse lebelletsoeng ho tla thusa ho ts'ehetsa ts'ebetso ea MemTrax joalo ka skrine ea ho lemoha kapele bakeng sa ho fokotseha ha kelello le ho hlopha ho holofala ha kelello. Papiso e ntle le indasteri eo ho thoeng ke maemo a tlatselletsoang ke boiketlo bo boholo le ho potlaka ha ts'ebeliso e ka ba le tšusumetso ho thusa baoki ho sebelisa sesebelisoa sena se bonolo, se ka tšeptjoang le se fumanehang e le skrine ea pele ea ho lemoha likhaello tsa kelello tsa pele (ho kenyeletsoa le prodromal). Mokhoa o joalo le ts'ebeliso e joalo e ka khothaletsa tlhokomelo le ts'ebetso ea mokuli ka nako e nepahetseng le e betere. Maikutlo ana a ho nahanoa pele le litekanyetso tse ntlafalitsoeng le mehlala le tsona li ka thusa ho fokotsa kapa ho emisa tsoelo-pele ea 'dementia', ho kenyeletsoa AD le dementia e amanang le AD (ADRD).
LISEBELISOA LE MEKHOA
Palo ea batho ba ithutang
Pakeng tsa Pherekhong 2018 le Phato 2019, lipatlisiso tse fapaneng li ile tsa phethoa mabapi le bakuli ba hiriloe lipetleleng tse peli tsa China. Tsamaiso ea MemTrax [5] ho batho ba lilemo li 21 ho ea holimo le ho bokelloa le tlhahlobo ea lintlha tseo li ile tsa hlahlojoa le ho amoheloa ke le ho tsamaisoa ho latela litekanyetso tsa boitšoaro tsa Human Komiti ea Tšireletso ea Lithuto ea Univesithi ea Stanford. MemTrax le liteko tse ling kaofela bakeng sa thuto ena ka kakaretso li entsoe ho latela phatlalatso ea Helsinki ea 1975 'me e amohetsoe ke Boto ea Tlhahlobo ea Setsi sa Sepetlele se Kopanetsoeng sa Pele sa Univesithi ea Bongaka ea Kunming e Kunming, Yunnan, Chaena. Mosebelisi e mong le e mong o ile a fuoa tumello e nang le tsebo ho bala/lekola hape, ebe o dumela ka boithaopo ho nka karolo.
Barupeluoa ba ne ba hiriloe ho tsoa letamong la bakuli ba ka ntle tleliniking ea methapo ea mafu Sepetleleng sa Yanhua (YH sub-dataset) le tleliniki ea memori Sepetleleng sa Pele sa Affiliated sa Kunming Medical Univesithi (XL sub-dataset) e Beijing, China. Barupeluoa ba ne ba boetse ba hiriloe ho tsoa ho methapo ea kutlo (XL sub-dataset) le meriana ea ka hare (KM sub-dataset) bakuli ba sepetlele sa First Affiliated sa Kunming Medical University. Mekhoa ea ho kenyelletsa e kenyeletsa 1) banna le basali bonyane lilemo tse 21, 2) bokhoni ba ho bua Sechaena (Mandarin), le 3) bokhoni ba ho utloisisa litaelo tsa mantsoe le tse ngotsoeng. Mekhoa ea ho qheleloa ka thoko e ne e le ho holofala ha pono le makoloi ho thibela barupeluoa ho phetha Teko ea MemTrax, hammoho le ho se khone ho utloisisa litaelo tse tobileng tsa teko.
Phetolelo ea Sechaena ea MemTrax
Inthaneteng Sethala sa liteko sa MemTrax se fetoletsoe ho Sechaena (URL: https://www.memtrax.com.cn) 'me ea fetoloa hore e sebelisoe ka WeChat (Shenzhen Tencent Computer Systems Co. LTD., Shenzhen, Guangdong, China) bakeng sa ho itaola. Lintlha li ile tsa bolokoa ho seva sa leru (Ali Cloud) se naheng ea China 'me se laetsoe ke Alibaba (Alibaba Technology Co. Ltd., Hangzhou, Zhejiang, China) ke SJN Biomed LTD (Kunming, Yunnan, China). Lintlha tse tobileng mabapi le MemTrax le litekanyetso tsa ho netefatsa liteko tse sebelisitsoeng mona li hlalositsoe pejana [6]. Tlhahlobo e ile ea fanoa ntle ho tefo ho bakuli.
Mekhoa ea ho ithuta
Bakeng sa bakuli le bakuli ba kantle, lethathamo la lipotso tse akaretsang bakeng sa ho bokella lintlha tsa batho le tsa botho joalo ka lilemo, thobalano, lilemo tsa thuto, mosebetsi, ho lula u le mong kapa le lelapa, mme nalane ya bongaka e ne e tsamaiswa ke setho sa sehlopha sa boithuto. Kamora ho phethoa ha lethathamo la lipotso, liteko tsa MoCA [12] le MemTrax li ile tsa tsamaisoa (MoCA pele) ho sa fete metsotso e 20 lipakeng tsa liteko. Liphesente tsa MemTrax tse nepahetseng (MTx-% C), nako ea karabo e bolelang (MTx-RT), le letsatsi le nako ea tlhahlobo li tlalehiloe pampiring ke setho sa sehlopha sa thuto-thuto bakeng sa monkakarolo e mong le e mong ea lekiloeng. Lenane la lipotso le tlatsitsoeng le liphetho tsa MoCA li kentsoe ka har'a spreadsheet ea Excel ke mofuputsi ea entseng liteko 'me a netefatsoa ke mosebetsi-'moho le eena pele lifaele tsa Excel li bolokoa hore li hlahlojoe.
Teko ea MemTrax
Teko ea Marang-rang ea MemTrax e ne e kenyelletsa litšoantšo tse 50 (tse 25 tse ikhethang le tse 25 tse pheta-phetoang; lihlopha tse 5 tsa litšoantšo tse 5 tsa liketsahalo tse tloaelehileng kapa lintho) tse bontšitsoeng ka tatellano e itseng ea pseudo-random. Motho ea nkang karolo o ne a tla (ho ea ka litaelo) a tobetse konopo ea Qala skrineng ho qala tlhahlobo le ho qala ho sheba letoto la litšoantšo ebe o ama setšoantšo se skrineng kapele kamoo ho ka khonehang neng kapa neng ha setšoantšo se pheta-phetoang se hlaha. Setšoantšo se seng le se seng se hlahile bakeng sa 3 s kapa ho fihlela setšoantšo se skrineng se angoa, e leng se ileng sa etsa hore ho hlahisoe setšoantšo se latelang hanghang. Ho sebelisa oache e ka hare ea sesebelisoa sa sebakeng seo, MTx-RT bakeng sa setšoantšo ka seng se ne se khethoa ke nako e fetileng ho tloha ho hlahisa setšoantšo ho fihlela ha skrine e ne e angoa ke motho ea nkang karolo ha a arabela ho bontša kananelo ea setšoantšo e le se neng se se se bontšitsoe. nakong ea teko. MTx-RT e tlalehiloe bakeng sa setšoantšo se seng le se seng, ka 3 s e felletseng e bontšang hore ha ho karabo. MTx-% C e ne e baloa ho bontša peresente ea litšoantšo tse pheta-phetoang le tsa pele tseo mosebelisi a li arabetseng ka nepo (phoso ea 'nete + e mpe ea 'nete e arotsoe ke 50). Lintlha tse ling tsa tsamaiso ea MemTrax le ts'ebetsong, ho fokotsa lintlha, lintlha tse sa nepahaleng kapa "ha ho karabo", le litlhahlobo tsa lintlha tsa mantlha li hlalosoa kae kapa kae [6].
Teko ea MemTrax e hlalositsoe ka ho qaqileng 'me tlhahlobo ea boikoetliso (e nang le litšoantšo tse ikhethang ntle le tse sebelisoang tekong bakeng sa liphello tsa ho rekota) e ile ea fuoa barupeluoa boemong ba sepetlele. Barupeluoa ba li-sub-datasets tsa YH le KM ba ile ba nka teko ea MemTrax ho smartphone e neng e laetsoe ka kopo ho WeChat; athe palo e lekanyelitsoeng ea bakuli ba li-sub-dataset tsa XL ba ne ba sebelisa iPad 'me ba bang kaofela ba ne ba sebelisa smartphone. Barupeluoa bohle ba ile ba nka tlhahlobo ea MemTrax 'me mofuputsi oa phuputso a shebile a sa hlokomele.
Tekolo ea kelello ea Montreal
Phetolelo ea Beijing ea Chinese MoCA (MoCA-BC) [13] e ile ea tsamaisoa le ho fuoa lintlha ke bafuputsi ba koetlisitsoeng ho latela litaelo tsa tlhahlobo ea molao. Ka nepo, MoCA-BC e bonts'itsoe e ts'epahala teko ea kelello ho hlahloba maemo ohle a thuto ho batho ba baholo ba Machaena [14]. Teko e 'ngoe le e 'ngoe e nkile metsotso e ka bang 10 ho isa ho e 30 ho sebetsa ho ipapisitsoe le bokhoni ba motho ea amehang ba kelello.
MoCA classification modelling
Ho ne ho e-na le likarolo tse 29 tse ka sebelisoang, ho kenyelletsa le tse peli tsa MemTrax metrics ea ts'ebetso ea liteko le likarolo tse 27 tse amanang le palo ea batho le bophelo bo botle tlhahisoleseding bakeng sa monkakarolo e mong le e mong. Lintlha tsa tlhahlobo ea MoCA tsa mokuli e mong le e mong li ile tsa sebelisoa e le tlhahlobisiso ea kelello "benchmark" ho koetlisa mefuta ea rona ea ho bolela esale pele. Ka hona, hobane MoCA e ne e sebelisetsoa ho theha leibole ea sehlopha, ha rea ka ra sebelisa lintlha tse akaretsang (kapa lintlha life kapa life tsa li-subset tsa MoCA) joalo ka karolo e ikemetseng. Re entse liteko tsa pele tseo ho tsona re ileng ra etsa mohlala (ho khetholla bophelo bo botle ba kelello bo hlalosoang ke MoCA) liphatlalatso tse tharo tsa mantlha tsa sepetlele/tliliniki ka bonngoe, ebe re li kopanya ka ho sebelisa likarolo tsohle. Leha ho le joalo, lintlha tsohle tse tšoanang tsa data ha lia ka tsa bokelloa ho e 'ngoe le e' ngoe ea litleliniki tse 'nè tse emelang li-dataset tse tharo; ka hona, likarolo tse ngata tsa rona ho dataset e kopantsoeng (ha ho sebelisoa likarolo tsohle) ho ne ho e-na le boemo bo phahameng ba litekanyetso tse sieo. Ka mor'a moo re ile ra haha mefuta e nang le dataset e kopantsoeng re sebelisa likarolo tse tloaelehileng feela tse hlahisitseng ts'ebetso e ntlafetseng ea lihlopha. Sena se ka 'na sa hlalosoa ke ho kopana ha maemo a mangata a ho sebetsa ka ho kopanya li-datasets tse tharo tsa bakuli' me ha ho na likarolo tse nang le ho ata ho sa hlokahaleng ha litekanyetso tse sieo (ke karolo e le 'ngoe feela lethathamong la data e kopantsoeng, mofuta oa mosebetsi, o neng o e-na le litekanyetso tse sieo, tse amang. liketsahalo tse tharo feela tsa bakuli), hobane ke likarolo tse tloaelehileng tse tlalehiloeng libakeng tsohle tse tharo tse kenyellelitsoeng. Habohlokoa, re ne re se na mokhoa o ikhethileng oa ho hana tšobotsi e 'ngoe le e 'ngoe eo qetellong e sa kang ea kenyeletsoa pokellong ea boitsebiso e kopaneng. Leha ho le joalo, molemong oa rona oa pele o kopantsoeng oa dataset, re ile ra qala ka ho sebelisa likarolo tsohle ho tsoa ho e 'ngoe le e' ngoe ea li-sub-dataset tse tharo tse arohaneng tsa bakuli. Sena se ile sa fella ka kakaretso ea ts'ebetso ea mohlala e neng e le tlase haholo ho feta mohlala oa pele oa dataset e 'ngoe le e 'ngoe. Ho feta moo, le hoja ts'ebetso ea lihlopha tsa mefuta e hahiloeng ho sebelisoa likarolo tsohle e ne e khothatsa, ho baithuti bohle le merero ea lihlopha, ts'ebetso e ile ea ntlafala ka makhetlo a mabeli ha ho sebelisoa likarolo tse tloaelehileng feela. Ha e le hantle, har'a ba ileng ba qetella e le barutoana ba rona ba phahameng ka ho fetisisa, bohle ntle le mohlala o le mong ba ile ba ntlafala ho felisa likarolo tse sa tloaelehang.
Lethathamo la ho qetela la kakaretso (YH, XL, le KM li kopantsoe) li kenyelelitse liketsahalo tse 259, e 'ngoe le e 'ngoe e emela monkakarolo ea ikhethang ea nkileng liteko tsa MemTrax le tsa MoCA. Ho ne ho e-na le likarolo tse ikemetseng tsa 10 tse arolelanoang: Meteriki ea ts'ebetso ea MemTrax: MTx-% C le ho bolela MTx-RT; Boitsebiso ba palo ea batho le histori ea bongaka: lilemo, thobalano, lilemo tsa thuto, mofuta oa mosebetsi (molala o moputsoa / molala o mosoeu), tšehetso ea sechaba (hore na motho ea etsang tlhahlobo o lula a le mong kapa le lelapa), le likarabo tsa e/che tsa hore na mosebelisi o na le histori ea lefu la tsoekere, hyperlipidemia, kapa kotsi e sithabetsang ea boko. Li-metrics tse ling tse peli, lintlha tse akaretsang tsa MoCA le lintlha tse akaretsang tsa MoCA tse fetotsoeng bakeng sa lilemo tsa thuto [12], li ile tsa sebelisoa ka thoko ho nts'etsapele li-label tsa lihlopha tse itšetlehileng ka tsona, kahoo ho theha merero e 'meli e fapaneng ea mohlala e tla sebelisoa ho dataset ea rona e kopaneng. Bakeng sa mofuta o mong le o mong (o lokisitsoeng le o sa lokisoang) oa lintlha tsa MoCA, lintlha li ile tsa boela tsa etsoa ka mokhoa o arohaneng bakeng sa lihlopha tsa binary ho sebelisa mekhoa e 'meli e fapaneng ea litekanyetso-e khothalelitsoeng qalong [12] le boleng bo bong bo sebelisoang le ho khothaletsoa ke ba bang [8, 15]. Lenaneong le leng la ho arola moeli, mokuli o ne a nkoa a e-na le bophelo bo botle ba kelello haeba a fumane ≥23 tekong ea MoCA le ho ba le MCI haeba palo e ne e le 22 kapa e tlaase; athe, ka mokhoa oa pele o khothalletsoang oa ho arola, mokuli o ne a tlameha ho fumana lintlha tse 26 kapa ho feta ho MoCA hore a ngoloe e le bophelo bo botle ba kelello.
Lintlha tse hlophiloeng bakeng sa mohlala oa likarolo tsa MoCA
Re ile ra tsoela pele ho hlahloba likarolo tsa MoCA re sebelisa mekhoa e mene e sebelisoang hangata ea maemo: Chi-Squared, Gain Ratio, Fumana Boitsebiso, le Symmetrical Uncertainty. Bakeng sa pono ea nakoana, re sebelisitse li-ranker ho dataset eohle e kopaneng re sebelisa e 'ngoe le e' ngoe ea merero ea rona e mene ea mohlala. Likarolo tsohle li lumellane ka likarolo tse tšoanang tse holimo, ke hore, lilemo, palo ea lilemo tsa thuto, le metrics ea ts'ebetso ea MemTrax ka bobeli (MTx-% C, e bolelang MTx-RT). Ka mor'a moo re aha mefuta e mecha ka mokhoa o mong le o mong oa ho khetha likarolo ho koetlisa mehlala ka likarolo tse 'ne tse holimo feela (bona Likhetho ka tlase).
Liphetoho tse robeli tsa ho qetela tsa meralo ea sebopeho sa lintlha tsa MoCA li hlahisoa ho Lethathamo la 1.
Tafole 1
Kakaretso ea mefuta e fapaneng ea merero e sebelisoang bakeng sa ho hlophisoa ha MoCA (E tloaelehileng Bophelo bo Botle ba Kelello khahlano le MCI)
| Sekema sa Mohlala | Tloaelehileng Kelello ea Kelello (Sehlopha se Negative) | MCI (Positive Class) |
| Fetisitsoe-23 E sa sefshoang/e sa hlophisoa | 101 (39.0%) | 158 (61.0%) |
| Fetisitsoe-26 E sa sefshoang/e sa hlophisoa | 49 (18.9%) | 210 (81.1%) |
| E sa lokisoang-23 E sa sefshoeng/e sa hlophisoa | 92 (35.5%) | 167 (64.5%) |
| E sa lokisoang-26 E sa sefshoeng/e sa hlophisoa | 42 (16.2%) | 217 (83.8%) |
Palo e fapaneng le liperesente tsa kakaretso ea bakuli sehlopheng ka seng li khetholloa ka phetoho ea lintlha bakeng sa thuto (e Fetotsoe kapa e sa Lokisoa) le moeli oa likarolo (23 kapa 26), joalo ka ha e sebelisoa ho lihlopha tse peli tsa likarolo (tse sa Filtered le tse Filtered).
MemTrax e thehiloeng ho kliniki ea tlhahlobo ea mohlala
Har'a li-sub-datasets tsa rona tse tharo tsa mantlha (YH, XL, KM), ke bakuli ba XL feela ba dataset ba ileng ba fumanoa ba ikemela ka boikemelo bakeng sa bokooa ba kelello (ke hore, lintlha tsa bona tsa MoCA ha lia ka tsa sebelisoa ho theha sehlopha sa maemo a tloaelehileng le a holofetseng). Ka ho khetheha, bakuli ba XL ba ile ba fumanoa ba e-na le eona Teko ea lefu la Alzheimer (AD) kapa vascular dementia (VaD). Ka har'a e 'ngoe le e' ngoe ea likarolo tsena tsa mantlha tsa tlhahlobo, ho ne ho e-na le lebitso le leng la MCI. Litlhahlobo tsa MCI, 'dementia', vascular neurocognitive disorder, le neurocognitive disorder ka lebaka la AD li ne li itšetlehile ka mekhoa e tobileng le e khethollang ea ho hlahloba e hlalositsoeng ho Buka ea Diagnostic le Statistical of Mental Disorders: DSM-5 [16]. Ha ho nahanoa ka litlhahlobo tsena tse hloekisitsoeng, ho ile ha sebelisoa mekhoa e 'meli ea ho etsa mohlala oa lihlopha ka thoko ho dataset ea XL ho khetholla boemo ba boima (tekanyo ea ho senyeha) bakeng sa sehlopha ka seng sa tlhahlobo ea mantlha. Lintlha tse sebelisoang ho e 'ngoe le e' ngoe ea mekhoa ena ea ho hlahloba mekhoa ea ho hlahloba (AD le VaD) e ne e kenyelletsa tlhahisoleseding ea histori ea batho le bakuli, hammoho le ts'ebetso ea MemTrax (MTx-% C, e bolelang MTx-RT). Tlhahlobo e 'ngoe le e' ngoe e ne e ngotsoe e bonolo haeba e khethiloe MCI; ho seng joalo, e ne e nkoa e le matla. Qalong re ile ra nahana ho kenyelletsa lintlha tsa MoCA mefuteng ea tlhahlobo (e bobebe khahlano e matla); empa re entse qeto ea hore seo se tla senya morero oa leano la rona la bobeli la ho bolela esale pele. Mona barupeluoa ba ne ba tla koetlisoa ka ho sebelisa litšobotsi tse ling tsa mokuli tse fumanehang habonolo ho mofani le litekanyetso tsa ts'ebetso ea tlhahlobo e bonolo ea MemTrax (sebakeng sa MoCA) khahlanong le "tekanyetso ea khauta", tlhahlobo e ikemetseng ea kliniki. Ho bile le liketsahalo tse 69 ho dataset ea tlhahlobo ea AD le tse 76 tsa VaD (Letlapa 2). Libokeng ka bobeli, ho ne ho e-na le likarolo tse 12 tse ikemetseng. Ntle le likarolo tsa 10 tse kenyellelitsoeng sehlopheng sa lintlha tsa MoCA, nalane ea mokuli e boetse e kenyelletsa tlhahisoleseling mabapi le nalane ea khatello ea mali le stroke.
Tafole 2
Kakaretso ea mefuta e fapaneng ea merero ea mohlala e sebelisetsoang ho khetholla maemo a thata a ho hlahlojoa (Bonolo khahlano bo Matla)
| Sekema sa Mohlala | Bonolo (Sehlopha se fosahetseng) | E matla (Positive Class) |
| MCI-AD khahlano le AD | 12 (17.4%) | 57 (82.6%) |
| MCI-VaD khahlano le VaD | 38 (50.0%) | 38 (50.0%) |
Nomoro e fapaneng le liperesente tsa kakaretso ea bakuli sehlopheng ka seng li khetholloa ka sehlopha sa mantlha sa tlhahlobo (AD kapa VaD).
Lipalo-palo li
Papiso ea litšoaneleho tsa barupeluoa le likarolo tse ling tsa lipalo pakeng tsa li-sub-datasets bakeng sa leano le leng le le leng la ho arola mohlala (ho bolela esale pele bophelo bo botle ba kelello ba MoCA le boima ba ho hlahlojoa) ho ile ha etsoa ho sebelisoa puo ea lenaneo la Python (phetolelo ea 2.7.1) [17]. Phapang ea ts'ebetso ea mohlala e qalile ho sebelisoa ho sebelisa ntho e le 'ngoe kapa tse peli (ha ho loketse) ANOVA e nang le nako ea ho itšepa ea 95% le teko ea Tukey e tšepahalang ea phapang e kholo (HSD) ho bapisa mekhoa ea ts'ebetso. Tlhahlobo ena ea phapang pakeng tsa litšoantšiso tsa mohlala e ile ea etsoa ho sebelisoa motsoako oa Python le R (phetolelo ea 3.5.1) [18]. Re sebelisitse mokhoa ona (leha ho le joalo, o ka tlase ho o nepahetseng) joalo ka thuso ea heuristic nakong ena. qalong bakeng sa papiso ea ts'ebetso ea mohlala ea pele ho lebelletse ts'ebeliso e ka bang teng ea kliniki. Ka mor'a moo re ile ra sebelisa teko ea boemo bo saenneng ba Bayesian re sebelisa kabo ea morao-rao ho fumana monyetla oa ho se tšoane ha ts'ebetso ea mohlala [19]. Bakeng sa litlhahlobo tsena, re sebelisitse nako -0.01, 0.01, e bolelang hore haeba lihlopha tse peli li ne li e-na le phapang ea ts'ebetso e ka tlase ho 0.01, li ne li nkoa li le joalo (ka har'a sebaka sa ho lekana ho sebetsang), kapa ho seng joalo li fapane (e le 'ngoe e molemo ho feta). e mong). Ho etsa papiso ea Bayesian ea lihlopha le ho bala menyetla ena, re sebelisitse laeborari ea baycomp (mofuta oa 1.0.2) bakeng sa Python 3.6.4.
Mekhoa ea ho noha esale pele
Re thehile mefuta e boletsoeng esale pele re sebelisa mefuta e leshome e felletseng ea merero ea rona ea ho etsa mohlala ho bolela esale pele (ho hlophisa) sephetho sa tlhahlobo ea MoCA ea mokuli e mong le e mong kapa ho teba ha tlhahlobo ea bongaka. Baithuti bohle ba ile ba sebelisoa mme mehlala e hahiloe ho sebelisoa sethala sa software se bulehileng Weka [20]. Bakeng sa tlhahlobo ea rona ea pele, re sebelisitse li-algorithms tsa ho ithuta tse 10 tse atisang ho sebelisoa: 5-Baahelani ba Haufi, mefuta e 'meli ea sefate sa qeto sa C4.5, Logistic Regression, Multilayer Perceptron, Naïve Bayes, mefuta e' meli ea Random Forest, Radial Basis Function Network, le Support Vector. Mochini. Litšobotsi tsa bohlokoa le liphapang tsa li-algorithms tsena li hlalositsoe libakeng tse ling [21] (sheba Sehlomathiso se fapaneng). Tsena li khethiloe hobane li emela mefuta e fapaneng ea baithuti le hobane re bontšitse katleho ka ho li sebelisa litlhahlobong tse fetileng mabapi le data e tšoanang. Litlhophiso tsa Hyper-parameter li khethiloe ho tsoa lipatlisisong tsa rona tse fetileng tse bonts'ang hore li matla ho data e fapaneng e fapaneng [22]. Ho ipapisitsoe le liphetho tsa tlhahlobo ea rona ea pele re sebelisa dataset e kopaneng e nang le likarolo tse tloaelehileng tse ileng tsa sebelisoa hamorao tlhahlobong e felletseng, re khethile baithuti ba bararo ba faneng ka ts'ebetso e matla ka linako tsohle ho lihlopha tsohle: Logistic Regression, Naïve Bayes, le Support Vector Machine.
Phatlalatso ea netefatso le metric ea ts'ebetso ea mohlala
Bakeng sa mehlala eohle e boletsoeng esale pele (ho kenyeletsoa le litlhahlobo tsa pele), mohlala o mong le o mong o hahiloe ho sebelisoa netefatso ea li-10-fold, mme ts'ebetso ea mohlala e ne e lekantsoe ho sebelisoa Area Under the Receiver Operating Characteristic Curve (AUC). Ho netefatsa sefapano ho qalile ka ho arola ka mokhoa o sa reroang e 'ngoe le e' ngoe ea li-database tsa moralo oa 10 ka likarolo tse lekanang tsa 10 (mameno), ho sebelisa likarolo tse robong tsa likarolo tsena ho koetlisa mohlala le karolo e setseng bakeng sa tlhahlobo. Ts'ebetso ena e phetoa makhetlo a 10, ho sebelisoa karolo e fapaneng joalo ka tlhahlobo e behiloeng phetisong e ngoe le e ngoe. Ka mor'a moo, liphetho li ile tsa kopanngoa ho bala sephetho sa mohlala oa ho qetela / ts'ebetso. Bakeng sa motsoako o mong le o mong oa moithuti / dataset, ts'ebetso ena kaofela e phetoa ka makhetlo a 10 mme data e aroloa ka tsela e fapaneng nako le nako. Mohato ona oa ho qetela o ile oa fokotsa leeme, oa netefatsa hore oa sebetsa hape, 'me oa thusa ho khetholla ts'ebetso ea mohlala ka kakaretso. Ka kakaretso (bakeng sa meralo ea tlhahlobo ea lintlha tsa MoCA le tlhahlobo ea boemo bo matla e kopantsoeng), ho hahiloe mefuta e 6,600. Sena se kenyelelitse mefuta e 1,800 e sa sefisoang (meralo e 6 ea mohlala e sebelisitsoeng ho dataset×3 learners×10 runs×10 folds = 1,800 model) le 4,800 ea mefuta e tlhotliloeng (4 modelling sebelisoa ho dataset×3 baithuti×4 mekhoa ea khetho ea likarolo×10 runs× 10 mameno = 4,800 mehlala).
Likhetho
Bakeng sa mefuta e tlhotliloeng, khetho ea likarolo (ho sebelisa mekhoa e mene ea maemo) e entsoe ka har'a netefatso ea sefapano. Ho e 'ngoe le e' ngoe ea mameno a 10, joalo ka ha 10% e fapaneng ea dataset e ne e le data ea liteko, ho ile ha sebelisoa likarolo tse 'ne feela tse khethiloeng bakeng sa pokello ea data e' ngoe le e 'ngoe ea koetliso (ke hore, mameno a mang a robong, kapa 90% e setseng ea dataset kaofela) ho aha mehlala. Ha rea khona ho netefatsa hore na ke likarolo life tse 'nè tse sebelisitsoeng mofuteng ka mong, kaha tlhahisoleseling eo ha e bolokoe kapa e fumaneha ka har'a sethala sa mohlala seo re se sebelisitseng (Weka). Leha ho le joalo, ha ho nahanoa ka mokhoa o tsitsitseng oa khetho ea rona ea pele ea likarolo tse phahameng ha li-rank li ne li sebelisoa ho dataset eohle e kopantsoeng le ho tšoana ho latelang ha ho etsoa mohlala, likarolo tsena (lilemo, lilemo tsa thuto, MTx-% C, le ho bolela MTx-RT). ) mohlomong ke tse 'nè tse sebelisoang ka ho fetisisa tse sebelisoang hammoho le khetho ea likarolo nakong ea ts'ebetso ea ho netefatsa.
LIPOTSO
Litšobotsi tsa linomoro tsa barupeluoa (ho kenyeletsoa lintlha tsa MoCA le metrics ea ts'ebetso ea MemTrax) ea li-datasets tse fapaneng bakeng sa leano le leng le le leng la mofuta oa ho bolela bophelo bo botle ba kelello bo bonts'itsoeng ke MoCA (tloaelehileng khahlano le MCI) le ho teba ha tlhahlobo (bonyane khahlano le bo matla) bo bonts'itsoe ho Lethathamo la 3.
Tafole 3
Litšobotsi tsa barupeluoa, lintlha tsa MoCA, le ts'ebetso ea MemTrax bakeng sa leano le leng le le leng la likarolo tsa mohlala
| Leano la ho arola | Age | Education | MoCA e fetotsoe | MoCA e sa fetoheng | MTx-% C | MTx-RT |
| Sehlopha sa MoCA | 61.9 y (13.1) | 9.6 y (4.6) | 19.2 (6.5) | 18.4 (6.7) | 74.8% (15.0) | 1.4 mts (0.3) |
| Tlhahlobo ea Bothata | 65.6 y (12.1) | 8.6 y (4.4) | 16.7 (6.2) | 15.8 (6.3) | 68.3% (13.8) | 1.5 mts (0.3) |
Litekanyetso tse bontšitsoeng (ho bolela, SD) tse khetholloang ka mekhoa ea ho khetholla ha mohlala li emela dataset e kopantsoeng e sebelisetsoang ho bolela bophelo bo botle ba kelello bo bontšitsoeng ke MoCA (MCI khahlanong le tloaelehileng) le karoloana ea XL e sebelisoang feela ho bolela esale pele ho teba ha ho hlahlojoa (bonolo khahlanong le bo matla).
Bakeng sa motsoako o mong le o mong oa lintlha tsa MoCA (tse fetotsoeng / tse sa lokisoang) le moeli (26/23), ho bile le phapang ea lipalo (p = 0.000) papisong e 'ngoe le e' ngoe ka bobeli (bophelo bo tloaelehileng ba kelello khahlanong le MCI) bakeng sa lilemo, thuto, le ts'ebetso ea MemTrax (MTx-% C le MTx-RT). Phatlalatso e 'ngoe le e' ngoe ea bakuli sehlopheng se fapaneng sa MCI bakeng sa motsoako o mong le o mong e ne e le ka karolelano ea lilemo tse ka bang 9 ho isa ho tse 15, e tlaleha lilemo tse ka bang hlano tse fokolang tsa thuto, 'me e bile le ts'ebetso e fokolang ea MemTrax bakeng sa metrics ka bobeli.
Liphetho tse lebeletsoeng tsa tšebetso ea mohlala bakeng sa likarolo tsa lintlha tsa MoCA ho sebelisoa baithuti ba bararo ba kaholimo-limo, Logistic Regression, Naïve Bayes, le Support Vector Machine, li bontšoa ho Lethathamo la 4. Tsena tse tharo li khethiloe ho ipapisitsoe le katleho e phahameng ka ho fetesisa ea barutoana mefuteng eohle e fapaneng. e sebelisoa ho li-datasets bakeng sa merero eohle ea mohlala. Bakeng sa dataset e sa hloekisoang le ho etsa mohlala, e 'ngoe le e' ngoe ea boleng ba data ho Lethathamo la 4 e bonts'a ts'ebetso ea mohlala e thehiloeng ho AUC e fapaneng e nkiloeng mefuteng e 100 (10 runs×10 folds) e hahiloeng bakeng sa motsoako o mong le o mong oa moralo oa moithuti / mohlala, ka maemo a phahameng ka ho fetisisa. moithuti ya sebetsang hantle ya bontshwang ka mongolo o motenya. Athe bakeng sa mohlala oa dataset e hloekisitsoeng, liphetho tse tlalehiloeng ho Lethathamo la 4 li bonts'a kakaretso ea kakaretso ea ts'ebetso ho tsoa ho mefuta e 400 bakeng sa moithuti e mong le e mong ea sebelisang mokhoa o mong le o mong oa maemo a likarolo (mekhoa e 4 ea maemo a 10×10 runs×XNUMX folds).
Tafole 4
Dichotomous MoCA diphetho tsa sehlopha sa lintlha (AUC; 0.0–1.0) bakeng sa e mong le e mong oa baithuti ba bararo ba entseng hantle haholo bakeng sa merero eohle e fapaneng ea mohlala.
| Feature Set Se sebelisitsoeng | Lintlha tsa MoCA | Cutoff Threshold | Khopotso ea maikutlo | Naïve Bayes | Mochini oa Vector oa Tšehetso |
| E sa sefshoang (likarolo tse 10) | E fetotsoe | 23 | 0.8862 | 0.8913 | 0.8695 |
| 26 | 0.8971 | 0.9221 | 0.9161 | ||
| E sa fetoloe | 23 | 0.9103 | 0.9085 | 0.8995 | |
| 26 | 0.8834 | 0.9153 | 0.8994 | ||
| E tlhotliloeng (likarolo tse 4) | E fetotsoe | 23 | 0.8929 | 0.8954 | 0.8948 |
| 26 | 0.9188 | 0.9247 | 0.9201 | ||
| E sa fetoloe | 23 | 0.9135 | 0.9134 | 0.9122 | |
| 26 | 0.9159 | 0.9236 | 0.9177 |
Ho sebelisoa mefuta e fapaneng ea sete ea likarolo, lintlha tsa MoCA, le moeli oa ho fokotsa lintlha tsa MoCA, ts'ebetso e phahameng ka ho fetisisa bakeng sa sekema se seng le se seng sa mohlala se bontšoa ho ka sebete (ha se hakaalo hore e fapane ka lipalo ho feta tse ling kaofela tse seng teng ka sebete bakeng sa mohlala o fapaneng).
Ha ho bapisa baithuti ho kopanyelletsa mefuta eohle ea lintlha tsa MoCA le menyako (e fetotsoeng/e sa lokisoang le 23/26, ka ho latellana) lethathamong la lintlha tse sa hloekisoang (ke hore, ka ho sebelisa likarolo tse 10 tse tloaelehileng), Naïve Bayes e ne e le moithuti ea atlehileng haholo ka kakaretso. ts'ebetso ea sehlopha sa 0.9093. Ha ho nahanoa ka baithuti ba bararo ba kaholimo, liteko tsa maemo a saenneng tse amanang le Bayesian li bontšitse hore monyetla (Pr) ea Naïve Bayes e atlehileng ho feta Logistic Regression e bile 99.9%. Ho feta moo, lipakeng tsa Naïve Bayes le Support Vector Machine, monyetla oa 21.0% oa ho lekana ho sebetsang ha moithuti (ka hona, monyetla oa 79.0% oa Naïve Bayes o sebetsang hantle ho feta Mochini oa Vector ea Ts'ehetso), hammoho le monyetla oa 0.0% oa hore Mochini oa Ts'ehetso oa Vector o sebetse betere, ka mokhoa o leka-lekaneng. e matlafatsa molemo oa ts'ebetso bakeng sa Naïve Bayes. Papiso e tsoelang pele ea mofuta oa lintlha tsa MoCA ho baithuti bohle / liemahale li khothalelitse monyetla o fokolang oa ts'ebetso o sebelisa lintlha tse sa lokisoang tsa MoCA khahlano le tse fetotsoeng (0.9027 khahlano le 0.8971, ka ho latellana; Pr (e sa lokisoe> e fetotsoe) = 0.988). Ka mokhoa o ts'oanang, papiso ea sekhahla sa ho khaoha ho baithuti bohle le mefuta ea lintlha tsa MoCA e bonts'itse monyetla o monyane oa ts'ebetso ho sebelisoa 26 joalo ka moeli oa maemo khahlano le 23 (0.9056 khahlano le 0.8942, ka ho latellana; Pr (26 > 23) = 0.999). Qetellong, ha ho hlahlojoa tšebetso ea lihlopha tse sebelisang liphetho tse tlhotliloeng feela (ke hore, likarolo tse 'ne tse maemong a holimo feela), Naïve Bayes (0.9143) e ne e le eena moithuti ea atlehileng haholo ho feta mefuta eohle ea lintlha tsa MoCA. Leha ho le joalo, ho pholletsa le mekhoa eohle ea maemo e kopantsoeng, baithuti bohle ba etsang hantle ka ho fetesisa ba ile ba sebetsa ka mokhoa o ts'oanang. Liteko tsa boemo bo saenneng ba Bayesian li bonts'itse monyetla oa 100% oa ho lekana pakeng tsa para e 'ngoe le e 'ngoe ea baithuti ba tlhotliloeng. Joalo ka data e sa hloekisoang (ho sebelisa likarolo tsohle tse 10 tse tloaelehileng), ho bile le monyetla oa ts'ebetso bakeng sa mofuta o sa lokisoang oa lintlha tsa MoCA (Pr (e sa lokisoe> e fetotsoe) = 1.000), hammoho le monyetla o tšoanang o ikhethang bakeng sa moeli oa 26 (Pr (26 > 23) = 1.000). Habohlokoa, kakaretso ea ho sebetsa ea e mong le e mong oa baithuti ba bararo ba kaholimo ho mefuta eohle ea lintlha tsa MoCA ba sebelisa likarolo tse 'ne tsa maemo a holimo feela e feta palo e tloaelehileng ea moithuti leha e le ofe ho data e sa sefshoang. Ha ho makatse hore ebe ts'ebetso ea likarolo tsa mefuta e hloekisitsoeng (e sebelisang likarolo tse 'ne tse maemong a holimo) ka kakaretso e ne e phahametse (0.9119) ho mefuta e sa hloekisoang (0.8999), ho sa tsotelehe mefuta ea mekhoa ea maemo e neng e bapisoa le mefuta e fapaneng e sebelisang 10 e tloaelehileng. Likaroloana. Bakeng sa mofuta o mong le o mong oa khetho ea likarolo, ho bile le monyetla oa 100% oa monyetla oa ts'ebetso ho feta mefuta e sa hloekisoang.
Le bakuli ba nkuoang bakeng sa ho aroloa ka matla a lefu la AD, lipakeng tsa sehlopha (MCI-AD khahlano le AD) liphapang tsa lilemo.p = 0.004), thuto (p = 0.028), lintlha tsa MoCA li fetotsoe/tse sa lokisoa (p = 0.000), le MTx-% C (p = 0.008) e ne e le ea bohlokoa ka lipalo; athe bakeng sa MTx-RT e ne e se (p = 0.097). Ho bakuli ba nkuoang bakeng sa tlhahlobo ea boemo bo tebileng ba VaD, phapang lipakeng tsa sehlopha (MCI-VaD khahlano le VaD) bakeng sa lintlha tsa MoCA li fetotsoe / li sa lokisoe.p = 0.007) le MTx-% C (p = 0.026) le MTx-RT (p = 0.001) e ne e le ea bohlokoa ka lipalo; athe lilemo (p = 0.511) le thuto (p = 0.157) ho ne ho se na phapang ea bohlokoa lipakeng tsa lihlopha.
Liphetho tse boletsoeng esale pele tsa ts'ebetso ea mohlala bakeng sa maemo a boima ba tlhahlobo ho sebelisoa baithuti ba bararo ba khethiloeng pele, Logistic Regression, Naïve Bayes, le Support Vector Machine, li bonts'itsoe ho Lethathamo la 5. , liithuti tse tharo tseo re li khethileng e le tse molemo ka ho fetisisa moetsong oa rona o fetileng li ile tsa fana ka ts'ebetso e tsitsitseng ka ho fetisisa ka merero e mecha ea mehlala. Ha ho bapisa barutoana holima mofuta o mong le o mong oa tlhahlobo ea mantlha (AD le VaD), ho ne ho se na phapang e tsitsitseng ea tšebetso lipakeng tsa baithuti ba MCI-VaD khahlano le VaD, leha Mochini oa Support Vector hangata o ne o sebetsa haholo. Ka mokhoa o ts'oanang, ho ne ho se na liphapang tse kholo lipakeng tsa baithuti ba sehlopha sa MCI-AD khahlano le AD, leha Naïve Bayes (NB) e bile le monyetla o fokolang oa ts'ebetso ho feta Logistic Regression (LR) le bongata bo fokolang ho Mochini oa Ts'ehetso oa Vector, ka menyetla ea 61.4% le 41.7% ka ho latellana. Hohle ho li-datasets ka bobeli, ho bile le molemo o akaretsang oa ts'ebetso bakeng sa Support Vector Machine (SVM), e nang le Pr (SVM > LR) = 0.819 le Pr (SVM > NB) = 0.934. Ts'ebetso ea rona ka kakaretso ea likarolo ho baithuti bohle ha re bolela esale pele botebo ba tlhahlobo ea tlhahlobo ea XL sub-dataset e ne e le betere ho sehlopha sa tlhahlobo ea VaD khahlano le AD (Pr (VAD > AD) = 0.998).
Tafole 5
Ts'ebetso ea boemo bo tebileng ba tlhahlobo ea bongaka ea Dichotomous (AUC; 0.0–1.0) bakeng sa e mong le e mong oa baithuti ba bararo ba atlehileng haholo bakeng sa merero e fapaneng ea mohlala.
| Sekema sa Mohlala | Khopotso ea maikutlo | Naïve Bayes | Mochini oa Vector oa Tšehetso |
| MCI-AD khahlano le AD | 0.7465 | 0.7810 | 0.7443 |
| MCI-VaD khahlano le VaD | 0.8033 | 0.8044 | 0.8338 |
Tshebetso e phahameng ka ho fetisisa bakeng sa morero o mong le o mong oa mohlala o bontšoa ho ka sebete (ha se hakaalo hore e fapane ka lipalo ho feta ba bang ba sa kenang ka sebete).
TŠOHLOA
Ho lemoha kapele liphetoho tsa bophelo bo botle ba kelello ho bohlokoa ts'ebeliso e sebetsang taolong ea bophelo bo botle ba motho le bophelo bo botle ba sechaba ka ho ts'oana. Ehlile, hape ke ntho e tlang pele haholo maemong a kliniki ho bakuli lefatšeng ka bophara. Sepheo se arolelanoang ke ho hlokomelisa bakuli, bahlokomeli, le bafani le ho potlakisa phekolo e nepahetseng le e theko e tlaase le tlhokomelo ea longitudinal bakeng sa ba qalang ho fokotseha kelellong. Ha re kopanya liphatlalatso tsa rona tse tharo tsa lipetlele/likliniki, re khethile baithuti ba bararo ba ikhethileng (ba nang le boemo bo le bong bo ikhethang - Naïve Bayes) ho aha mefuta e boletsoeng esale pele e sebelisang. Melemo ea ts'ebetso ea MemTrax e ka khethollang boemo ba bophelo bo botle ba kelello ka nepo dichotomously (bophelo bo tloaelehileng ba kelello kapa MCI) joalo ka ha ho ka bonts'oa ke lintlha tse akaretsang tsa MoCA. Ka ho hlakileng, ts'ebetso ea kakaretso ea likarolo tsa baithuti ba bararo e ile ea ntlafala ha mefuta ea rona e ne e sebelisa feela likarolo tse 'ne tsa boemo bo holimo tse neng li akarelletsa metrics ena ea ts'ebetso ea MemTrax. Ho feta moo, re ile ra senola bokhoni bo tiileng ba ho sebelisa baithuti ba tšoanang le metrics ea ts'ebetso ea MemTrax sekemeng sa tlhahlobo ea ts'ehetso ea tlhahlobo ho khetholla botebo ba likarolo tse peli tsa tlhahlobo ea 'dementia': AD le VaD.
Teko ea memori ke ea bohlokoa bakeng sa ho lemoha kapele AD [23, 24]. Ka hona, ke monyetla oa hore MemTrax e amohelehe, e hohelane, hape e be bonolo ho e sebelisa inthaneteng. tlhahlobo ea tlhahlobo bakeng sa memori ea episodic ka kakaretso ea baahi [6]. Ho nepahala ha kananelo le linako tsa karabelo tse tsoang mosebetsing ona o tsoelang pele oa ts'ebetso li senola ka ho khetheha ho tsebahatseng ho senyeha ha pele le ho fetoha le likhaello tse hlahisoang ke lits'ebetso tsa neuroplastic tse amanang le ho ithuta, mohopolo le temoho. Ka mantsoe a mang, mehlala ea mona e thehiloeng haholo ho metrics ea ts'ebetso ea MemTrax e na le kutloelo-bohloko 'me e ka khona ho senola habonolo le ka litšenyehelo tse fokolang ho senola likhaello tsa likokoana-hloko tsa neuropathologic nakong ea phetoho ea asymptomatic pele ho tahlehelo e kholo ea ts'ebetso [25]. Ashford le ba bang. e hlahlobile ka hloko mekhoa le boitšoaro ba ho nepahala ha mohopolo le nako ea karabo ho basebelisi ba inthaneteng ba ileng ba kenya letsoho ka bobona le MemTrax [6]. Ho latela hore liphaello tsena li bohlokoa molemong oa ho etsa mohlala o nepahetseng le ho nts'etsapele lits'ebetso tsa tlhokomelo ea mokuli tse nepahetseng le tse sebetsang hantle, ho hlalosa boemo ba boemo bo botle le nako ea karabelo ho bohlokoa bakeng sa ho theha sesupo sa bohlokoa bakeng sa ts'ebeliso ea bongaka le lipatlisiso. Bohlokoa bo sebetsang ba MemTrax tlhahlobong ea AD bakeng sa ho senyeha ha tsebo ea nako ea pele le ts'ehetso ea tlhahlobo e fapaneng e hloka ho hlahlojoa ka hloko ho latela maemo a kliniki moo ho ka nahanoang ka li-comorbidities le matla a kelello, a kutlo, le a motor a amang ts'ebetso ea liteko. Le ho tsebisa pono ea profeshenale le ho khothaletsa ts'ebeliso e sebetsang ea bongaka, ho bohlokoa pele ho bonts'a papiso le tlhahlobo e thehiloeng ea tlhahlobo ea bophelo bo botle, leha e le hore ea morao-rao e ka thibeloa ke lisebelisoa tse boima tsa liteko, thuto le litšitiso tsa puo, le litšusumetso tsa setso [26] . Ntlheng ena, papiso e ntle ea MemTrax ka katleho ea bongaka ho MoCA eo hangata ho thoeng ke maemo a indasteri e bohlokoa, haholo ha ho lekoa boiketlo bo boholo ba tšebeliso le kamohelo ea mokuli ea MemTrax.
Patlisiso e fetileng e bapisa MemTrax le MoCA e totobatsa bopaki bo utloahalang le ba pele bo tiisang hore lipatlisiso tsa rona tsa mohlala [8]. Leha ho le joalo, papiso ena ea pejana e ne e amahanya le metrics e 'meli ea bohlokoa ea ts'ebetso ea MemTrax eo re e hlahlobileng ka boemo ba kelello joalo ka ha ho laetsoe ke MoCA le ho hlalosa mekhahlelo e fapaneng le boleng ba ho fokotseha. Re ile ra tebisa tlhahlobo ea ts'ebeliso ea bongaka ea MemTrax ka ho hlahloba mokhoa oa ho etsa mohlala o tla fana ka ho nahanela ka bomong ho feta likarolo tse ling tse ka bang bohlokoa tsa mokuli. Ho fapana le ba bang, ha rea ka ra fumana molemo ho ts'ebetsong ea mohlala ho sebelisa tokiso ea thuto (phetoho) ho lintlha tsa MoCA kapa ka ho fapanyetsana ha maemo a bophelo bo botle a kelello a khethollang MoCA ho tloha ho 26 ho ea ho 23 e khothalletsoang qalong [12, 15]. Ebile, monyetla oa ts'ebetso ea sehlopha o ratoa ho sebelisa lintlha tse sa lokisoang tsa MoCA le moeli o phahameng.
Lintlha tsa bohlokoa ts'ebetsong ea bongaka
Ho ithuta ka mochini hangata ho sebelisoa hamolemohali 'me ho sebetsa haholo ho mohlala oa ponelopele ha data e le ngata ebile e na le likarolo tse ngata, ke hore, ha ho na le litebello tse ngata le mefuta e mengata e fapaneng ea litšoaneleho tsa boleng bo holimo (tse tlatsetsang). Leha ho le joalo, ka lintlha tsena tsa morao-rao, mefuta e hloekisitsoeng e nang le likarolo tse 'nè feela tse khethiloeng li sebetsa hantle ho feta tse sebelisang likarolo tsohle tse 10 tse tloaelehileng. Sena se fana ka maikutlo a hore datha ea rona ea sepetlele e kopaneng e ne e se na likarolo tse nepahetseng tsa bongaka (boleng bo phahameng) ho arola bakuli ka tsela ena. Leha ho le joalo, karolo e totobatsang lintlha tsa bohlokoa tsa ts'ebetso ea MemTrax - MTx-% C le MTx-RT - e ts'ehetsa ka matla ho aha mekhoa ea tlhahlobo ea bofokoli ea boits'oaro ho potoloha teko ena e bonolo, e bonolo ho e sebelisa, e theko e tlase, ebile e senola ka nepo mabapi le tlhahlobo ena. ts'ebetso ea mohopolo, bonyane hajoale e le skrini sa pele bakeng sa sehlopha sa binary sa boemo ba bophelo bo botle ba kelello. Ka lebaka la khatello e ntseng e eketseha ho bafani le lits'ebeletso tsa tlhokomelo ea bophelo bo botle, lits'ebetso tsa tlhahlobo ea mokuli le lits'ebetso tsa bongaka li lokela ho ntlafatsoa ka nepo ka ho toboketsa, ho latela, le ho etsa mohlala oa litšoaneleho tsa mokuli le metrics ea liteko tse bohlokoa haholo, tse molemo le tse netefalitsoeng hore li sebetsa tlhahlobong. le tšehetso ea tsamaiso ea bakuli.
Ha metrics e 'meli ea bohlokoa ea MemTrax e le bohareng ba ho hlophisoa ha MCI, moithuti oa rona ea sebetsang hantle haholo (Naïve Bayes) o bile le ts'ebetso e phahameng haholo ea ho bolela esale pele mefuteng e mengata (AUC e fetang 0.90) e nang le karo-karolelano ea 'nete ho e fosahetseng e haufi kapa e fetang 4. 1 ho lahleheloa ke sehlopha seo ho ba nang le khaello ea kelello (false negative). E 'ngoe ea maemo ana a khethollo e ka bakela mokuli le bahlokomeli moroalo o sa hlokahaleng oa kelello le sechabeng.
Athe ditshekatshekong tsa selelekela le ka botlalo re sebelisitse baithuti bohle ba leshome morerong o mong le o mong wa mehlala, re tsepamisitse diphetho tsa rona ho bahlopha ba bararo ba bontshang tshebetso e matla e tsitsitseng. Hona hape e ne e le ho totobatsa, ho ipapisitsoe le lintlha tsena, baithuti ba neng ba tla sebetsa ka mokhoa o ts'eptjoang maemong a holimo ts'ebelisong e sebetsang ea tleliniki mabapi le ho khetholla maemo a kelello. Ho feta moo, hobane thuto ena e ne e reretsoe hore e be lipatlisiso tsa selelekela mabapi le tšebeliso ea mochine oa ho ithuta ho hlahloba kelello le liphephetso tsena tsa kliniki tse nakong, re entse qeto ea ho boloka mekhoa ea ho ithuta e le bonolo le e akaretsang, ka tokiso e fokolang ea parameter. Re ananela hore mokhoa ona o ka 'na oa fokotsa menyetla ea bokhoni ba ho tsebahatsa mokuli ka mokhoa o hlakileng haholoanyane. Ka mokhoa o ts'oanang, le hoja ho koetlisa mehlala ho sebelisa likarolo tse ka holimo feela (mokhoa o hlophisitsoeng) ho re tsebisa haholoanyane mabapi le lintlha tsena (ka ho khetheha mefokolo ea lintlha tse bokelitsoeng le ho totobatsa bohlokoa ba ho ntlafatsa nako ea bohlokoa ea kliniki le lisebelisoa), rea hlokomela hore ke pele ho nako ho fokotsa nako. boholo ba mehlala le, ka hona, tsohle (le likarolo tse ling) li lokela ho nahanoa le lipatlisiso tsa nako e tlang ho fihlela re e-na le boitsebiso bo hlakileng haholoanyane ba likarolo tsa bohlokoa tse tla sebetsa ho baahi ba bangata. Ka hona, re boetse re elelloa ka botlalo hore lintlha tse kenyeletsang le tse nang le moelelo o pharaletseng le ho ntlafatsa mefuta ena le tse ling li tla hlokahala pele li li kenyelletsa ts'ebetsong e sebetsang ea kliniki, haholo-holo ho amohela li-commorbidities tse amang ts'ebetso ea kelello e tla hloka ho nahanoa tlhahlobong e tsoelang pele ea bongaka.
Tšebeliso ea MemTrax e ile ea ntlafatsoa le ho feta ke mohlala oa ho teba ha lefu ho ipapisitse le tlhahlobo e fapaneng ea bongaka. Ts'ebetso e ntle ea kakaretso ea kakaretso ho bolela esale pele ho teba ha VaD (ha e bapisoa le AD) e ne e se joalo hoa makatsa ho latela likarolo tsa boemo ba mokuli mefuteng e ikhethileng ea bophelo bo botle ba methapo le kotsi ea stroke, ke hore, khatello ea mali, hyperlipidemia, lefu la tsoekere, le (ha e le hantle) histori ea stroke. Le hoja e ka be e bile ntho e lakatsehang le e loketseng ho etsa tlhahlobo e tšoanang ea tleliniki ho bakuli ba tšoanang ba nang le bophelo bo botle ba kelello ho koetlisa baithuti ka lintlha tsena tse kenyeletsang. Sena se na le mabaka a khethehileng, kaha MemTrax e reretsoe ho sebelisoa haholo-holo bakeng sa ho lemoha ha nako e sa le teng ea bofokoli ba kelello le ho latela phetoho ea motho ka mong. Hape hoa utloahala hore kabo e lakatsehang haholoanyane ea data ho dataset ea VaD e kentse letsoho ka mokhoa o itseng ts'ebetsong e ntle haholo ea ho etsa mohlala. Lintlha tsa VaD li ne li tsitsitse hantle lipakeng tsa lihlopha tsena tse peli, athe dataset ea AD e nang le bakuli ba fokolang haholo ba MCI e ne e se joalo. Haholo-holo ho li-datasets tse nyane, le maemo a 'maloa a eketsehileng a ka etsa phapang e lekantsoeng. Maikutlo ka bobeli ke likhang tse utloahalang tse thehileng liphapang tsa ts'ebetso ea mohlala oa ho teba ha mafu. Leha ho le joalo, ka ho lekana ho amahanya ts'ebetso e ntlafetseng ho litšobotsi tsa linomoro tsa dataset kapa likarolo tsa tlhaho tse tobileng tlhahiso ea tleliniki e ntseng e nahanoa ke nako ea pele ho nako. Leha ho le joalo, buka ena e bonts'itse ts'ebeliso ea mokhoa oa ho bolela esale pele oa MemTrax karolong ea ts'ehetso ea tlhahlobo ea bongaka e fana ka pono ea bohlokoa mme e tiisa ho phehella tlhahlobo e eketsehileng le bakuli ho pholletsa le ts'ebetso ea MCI.
Ts'ebetsong le ho bonts'a ts'ebeliso ea MemTrax le mehlala ena Chaena, moo puo le setso li fapaneng haholo le libaka tse ling tsa ts'ebeliso e thehiloeng (mohlala, Fora, Netherlands, le United States) [7, 8, 27], e hatisa haholoanyane bakeng sa kamohelo e atileng ea lefats'e le boleng ba bongaka ba sethala se thehiloeng ho MemTrax. Ona ke mohlala o hlakileng oa ho loanela ho hokahanngoa ha data le ho nts'etsapele litloaelo tsa machaba tse sebetsang le lisebelisoa tsa mohlala bakeng sa tlhahlobo ea kelello e lekantsoeng le ho lokisoa habonolo hore e sebelisoe lefatšeng ka bophara.
Mehato e latelang ea ho fokotseha ha mohopolo oa mohlala le ts'ebeliso
Ho se sebetse hantle ha kelello ho AD ho hlile ho etsahala ka nako e tsoelang pele, eseng ka mekhahlelo kapa mehato e hlakileng [28, 29]. Leha ho le joalo, karolong ena ea pele, sepheo sa rona e ne e le ho qala ka ho theha bokhoni ba rona ba ho haha mohlala o kenyelletsang MemTrax e ka khethollang "tloaelehileng" ho "e seng e tloaelehileng". Lintlha tse ling tse kenyellelitsoeng tsa liteko (mohlala, litšoantšo tsa boko, likarolo tsa lefutso, li-biomarker, li-comorbidities, le matšoao a sebetsang a rarahaneng. mesebetsi e hlokang kelello control) [30] ho pholletsa le libaka tse fapaneng tsa lefats'e, baahi, le lihlopha tsa lilemo ho koetlisa le ho nts'etsapele mekhoa e tsoetseng pele (ho kenyeletsoa le ensemble e leka-lekaneng) mekhoa ea ho ithuta ka mochine e tla tšehetsa tekanyo e kholo ea lihlopha tse ntlafetseng, ke hore, bokhoni ba ho arola lihlopha tsa bakuli ba nang le lefu la tsoekere. MCI ho li-subsets tse nyane le tse hlakileng haholoanyane ho latela tsoelo-pele ea ho fokotseha ha kelello. Ho feta moo, litlhahlobo tsa kliniki tse tšoanang bakeng sa batho ka bomong ho pholletsa le libaka tse fapaneng tsa bakuli li bohlokoa ho ka katleho koetlisa mefuta ena e kenyeletsang ho feta le ho bolela esale pele hore e matla. Sena se tla thusa ba nang le semelo se ts'oanang, litšusumetso, le lintlha tse hlakileng haholoanyane tsa ts'ebetso, 'me kahoo ba ntlafatse tšehetso ea liqeto tsa bongaka le tlhokomelo ea mokuli.
Bongata ba liphuputso tse amehang tsa kliniki ho fihlela joale li buile le bakuli ba nang le 'dementia' e fokolang; 'me, ka ts'ebetso, hangata ho kenella ka mamello ho lekoa feela ka mekhahlelo e tsoetseng pele. Leha ho le joalo, hobane ho fokotseha ha kelello ho qala hantle pele litekanyetso tsa bongaka tsa 'dementia' li finyelloa, skrine ea pele ea MemTrax e sebelisoang ka katleho e ka khothaletsa thuto e nepahetseng ea batho ka lefu lena le tsoelo-pele ea lona le ho potlakela ho kenella ka nako. Ka hona, ho lemoha kapele ho ka tšehetsa ho kenya letsoho ho loketseng ho tloha ho boikoetliso, lijo, ts'ehetso ea maikutlo, le ho ntlafatsa setsoalle ho ea ho phekolo ea meriana le ho matlafatsa liphetoho tse amanang le mokuli boitšoarong le maikutlo a hore motho a le mong kapa ka kakaretso a ka fokotsa kapa a thibela tsoelo-pele ea 'dementia' [31, 32] . Ho feta moo, ka katleho tlhahlobo ea pele, batho ka bomong le malapa a bona ba ka 'na ba susumelletseha ho nahana ka liteko tsa meriana kapa ho fumana tlhabollo le tšehetso e meng ea litšebeletso tsa sechaba ho thusa ho hlakisa litebello le merero le ho laola mesebetsi ea letsatsi le letsatsi. Netefatso e eketsehileng le ts'ebeliso e atileng ka mekhoa ena e ka thusa ho fokotsa kapa ho emisa tsoelo-pele ea MCI, AD, le ADRD ho batho ba bangata.
Ehlile, pheletso e tlase ea lilemo tsa mokuli thutong ea rona ha e emele palo ea batho ba amehileng ka setso le AD. Leha ho le joalo, karolelano ea lilemo bakeng sa sehlopha ka seng se sebelisitsoeng mererong ea tlhophiso ea likarolo tse ipapisitseng le lintlha tsa MoCA / moeli le ho teba ha tlhahlobo (Letlapa la 3) li totobatsa bongata bo hlakileng (ba fetang 80%) bonyane ba lilemo tse 50. Kabo ena e nepahetse haholo bakeng sa kakaretso, e ts'ehetsa ts'ebeliso ea mehlala ena ho baahi e khethollang ba atisang ho angoa ke ho qala kapele le bokuli bo ntseng bo eketseha ba methapo ea kutlo ka lebaka la AD le VaD. Hape, bopaki ba morao-rao le pono li hatisa lintlha tse hlokomelehang (mohlala, khatello ea mali, botenya, lefu la tsoekere, le ho tsuba) tse ka 'nang tsa tlatsetsa ho eketseha ha nako e sa le teng. lintlha tsa kotsi ea methapo ea batho ba baholo le ea bohareng le kotsi e poteletseng ea boko ea methapo e hlahang ka mokhoa o poteletseng e nang le litlamorao tse hlakileng le ho bacha. batho ba baholo [33–35]. Ka hona, monyetla o motle ka ho fetisisa oa ho hlahloba pele oa ho lemoha kapele likhaello tsa kutloisiso ea sethaleng le ho qala mekhoa e sebetsang ea thibelo le ho kenella ho sebetsana ka katleho le 'dementia' e tla hlaha ho tsoa ho hlahloba lintlha tse tlatsetsang le matšoao a pele ho lilemo tse fapaneng, ho kenyeletsoa ho ba motho e moholo le mohlomong le bongoana (ho hlokomela bohlokoa ba liphatsa tsa lefutso tse kang apolipoprotein E ho tloha nakong ea bokhachane).
Ha e le hantle, litlhahlobo tse nepahetseng tsa kliniki le lits'ebetso tse theko e boima bakeng sa litšoantšo tse tsoetseng pele, profiling ea liphatsa tsa lefutso, le li-biomarker tse ts'episang tsa ho lekanya ha li fumanehe habonolo kapa hona ho khoneha ho bafani ba bangata. Ka hona, maemong a mangata, boemo ba bophelo bo botle ba kelello bo ka 'na ba tlameha ho tsoa ho mehlala e sebelisang metrics e meng e bonolo e fanoang ke mokuli (mohlala, ea itlhalosang). mathata a ho hopola, meriana ea morao-rao, le meeli ea mesebetsi e tloaelehileng) le likarolo tse tloaelehileng tsa palo ea batho [7]. Lingoliloeng tse joalo ka Univesithi ea California boko Health Ngoliso (https://www.brainhealthregistry.org/) [27] le ba bang ba nang le matšoao a boitlamo a tlhaho, mehato ea boleng (mohlala, boroko le temoho ea letsatsi le letsatsi), meriana, boemo ba bophelo bo botle le nalane, le palo ea batho ba nang le lintlha tse ngata e tla thusa ho nts'etsapele le ho netefatsa ts'ebeliso e sebetsang ea mefuta ena ea khale tleliniking. Ho feta moo, tlhahlobo e kang MemTrax, e bonts'itseng ts'ebetso ea ho lekola ts'ebetso ea mohopolo, e kanna ea fana ka khakanyo e betere haholo ea lefu la AD ho feta matšoao a baeloji. Ka lebaka la hore karolo ea mantlha ea lefu la AD ke tšitiso ea neuroplasticity le tahlehelo e rarahaneng ea li-synapses, e bonts'ang joalo ka episodic. ho se sebetse hantle ha memori, tekanyo e lekanyang mohopolo oa episodic e kanna ea ba hantle fana ka khakanyo e betere ea moroalo oa lefu la AD ho feta matšoao a likokoana-hloko ho mokuli ea phelang [36].
Ka mefuta eohle ea lintho tse boletsoeng esale pele-ebang e tlatsitsoe ke lintlha tse rarahaneng le tse kenyelletsoeng ho tsoa ho theknoloji ea morao-rao le lintlha tse ntlafalitsoeng tsa bongaka libakeng tse ngata kapa tse lekanyelitsoeng ho tse ling tsa lintlha tsa motheo le tse fumanehang habonolo tsa litlaleho tse teng tsa bakuli-molemo o tsebahalang oa bohlale ba maiketsetso. le ho ithuta ka mochini ke hore mefuta e hlahisoang e ka kopanya le ho "ithuta" ka mokhoa o ts'oanelang ho tsoa ho data le pono e ncha e fanoeng ke ts'ebeliso e tsoelang pele ea ts'ebeliso. Ka mor'a phetisetso e sebetsang ea thekenoloji, ha mehlala e teng mona (le e tla ntlafatsoa) e sebelisoa le ho ntlafatsoa ka linyeoe tse ngata le lintlha tse nepahetseng (ho kenyeletsoa bakuli ba nang le li-comorbidities tse ka hlahang ka ho fokotseha ha kelello), ts'ebetso ea ho bolela esale pele le lihlopha tsa bophelo bo botle ba kelello li tla ba matla haholoanyane, ho etsa hore ho be le ts'ehetso e sebetsang ea liqeto tsa kliniki tse sebetsang haholoanyane. Phetoho ena e tla phethahala ka botlalo le ka mokhoa o hlakileng ka ho kenya MemTrax moetlong (o lebisitsoeng ho bokhoni bo fumanehang) liforomo tseo bafani ba tlhokomelo ea bophelo ba ka li sebelisang ka nako ea nnete tleliniking.
Bohlokoa ho netefatso le ts'ebeliso ea mohlala oa MemTrax bakeng sa ts'ehetso ea tlhahlobo le tlhokomelo ea mokuli ke lintlha tse batloang haholo tsa longitudinal. Ka ho shebella le ho ngola liphetoho tse lumellanang (haeba li le teng) maemong a kliniki ho pholletsa le mefuta e lekaneng ea tloaelo ho ea pele ho MCI, mehlala ea tlhahlobo e nepahetseng e tsoelang pele le lihlopha li ka koetlisoa le ho fetoloa ha bakuli ba ntse ba hōla 'me ba phekoloa. Ke hore, ts'ebeliso e pheta-phetoang e ka thusa ka ho latela nako e telele liphetoho tse bonolo tsa kelello, katleho ea ho kenella, le ho boloka tlhokomelo e nang le tsebo. Mokhoa ona o tsamaisana haufi-ufi le tloaelo ea tleliniki le taolo ea mokuli le linyeoe.
sheba mefokolo ea
Re ananela phephetso le bohlokoa ba ho bokella lintlha tse hloekileng tsa bongaka tleliniking/sepetleleng se laoloang. Leha ho le joalo, e ka be e matlafalitse mohlala oa rona haeba li-dataset tsa rona li ne li kenyelletsa bakuli ba bangata ba nang le likarolo tse tloaelehileng. Ho feta moo, ka ho khetheha molemong oa tlhahlobo ea rona ea tlhahlobo, e ka be e bile ntho e lakatsehang le e loketseng ho ba le tlhahlobo e tšoanang ea tleliniki e etsoang ho bakuli ba tšoanang ba nang le bophelo bo botle ba kelello ho koetlisa baithuti. 'Me joalo ka ha ho totobatsoa ke ts'ebetso ea maemo a holimo ka ho sebelisa dataset e tlhotliloeng (lintho tse 'ne feela tse maemong a holimo), ka kakaretso le ho feta. mehato ea bophelo bo botle ba kelello / matšoao a ka be a ntlafetse ho etsa mohlala ka palo e kholo ea likarolo tse tloaelehileng ho bakuli bohle.
E ka 'na eaba barupeluoa ba bang ba ne ba e-na le mafu a mang ka nako e le 'ngoe a neng a ka baka mathata a nakoana kapa a sa foleng a kelello. Ntle le "sub-dataset" ea XL moo bakuli ba neng ba khetholloa e le ba nang le AD kapa VaD, lintlha tsa comorbidity ha lia ka tsa bokelloa / tsa tlaleheloa letamong la bakuli ba YH, 'me boemo bo ka sehloohong bo tlalehiloeng ka kakaretso ho KM sub-dataset e ne e le lefu la tsoekere. Leha ho le joalo, hoa utloahala hore ho kenyelletsa bakuli mererong ea rona ea mehlala e nang le li-comorbidities tse ka bakang kapa tsa mpefatsa boemo ba bofokoli ba kelello 'me ka lebaka leo ts'ebetso ea MemTrax e tlase e tla ba moemeli oa palo ea bakuli ba lefats'e la 'nete bakeng sa tlhahlobo ena ea pele ea kelello. le mokhoa oa ho etsa mohlala. Ho tsoela pele, tlhahlobo e nepahetseng ea li-comorbidities tse ka amang ts'ebetso ea kelello ho molemo haholo bakeng sa ho ntlafatsa mehlala le lits'ebetso tsa tlhokomelo ea mokuli.
Qetellong, bakuli ba YH le KM ba sub-dataset ba ile ba sebelisa smartphone ho nka teko ea MemTrax, athe palo e lekanyelitsoeng ea bakuli ba XL sub-dataset ba ne ba sebelisa iPad 'me ba bang kaofela ba sebelisa smartphone. Sena se ka be se hlahisitse phapang e nyane e amanang le sesebelisoa ts'ebetsong ea MemTrax bakeng sa mohlala oa likarolo tsa MoCA. Leha ho le joalo, liphapang (haeba li le teng) ho MTx-RT, mohlala, lipakeng tsa lisebelisoa li ka 'na tsa fokola, haholo-holo ha morupeluoa e mong le e mong a fuoa teko ea "boitloaelo" pele ho tlhahlobo e rekotiloeng. Leha ho le joalo, tšebeliso ea lisebelisoa tsena tse peli tse tšoaroang ka letsoho e ka sitisa papiso e tobileng le/kapa ho kopanngoa le liphetho tse ling tsa MemTrax moo basebelisi ba ileng ba arabela ho pheta litšoantšo ka ho ama sebaka sa sebaka ka k'homphieutha.
Lintlha tsa bohlokoa mabapi le ts'ebeliso ea mohlala ea MemTrax esale pele
- • Mehlala ea rona e sebetsang hantle ka ho fetesisa e kenyelletsang metrics e khethiloeng ea ts'ebetso ea MemTrax e ka khetholla maemo a bophelo bo botle ba kelello (bophelo bo tloaelehileng ba kelello kapa MCI) joalo ka ha ho tla bontšoa ke tlhahlobo e tsebahalang haholo ea MoCA.
- • Liphetho tsena li ts'ehetsa ho kopanngoa ha metrics ea ts'ebetso ea MemTrax molemong oa ts'ebeliso ea tlhahlobo ea maemo a pele bakeng sa ts'oaetso ea kelello ea pele.
- • Mohlala oa rona oa lihlopha o boetse o senotse monyetla oa ho sebelisa ts'ebetso ea MemTrax lits'ebetsong bakeng sa ho khetholla ho teba ha lefu la 'dementia'.
Liphuputso tsena tse ncha li fana ka bopaki bo hlakileng bo tšehetsang tšebeliso ea ho ithuta ka mochini ho aha mefuta e matlafalitsoeng e thehiloeng ho MemTrax bakeng sa ts'ehetso ea tlhahlobo ea ts'oaetso taolong e sebetsang ea linyeoe tsa kliniki le tlhokomelo ea mokuli bakeng sa batho ba nang le bothata ba kelello.
LINTLHA TSA LITLHAHO
Re ananela mosebetsi oa J. Wesson Ashford, Curtis B. Ashford, le basebetsi-'moho le bona bakeng sa ho ntshetsa pele le ho netefatsa ts'ebetso ea ts'ebeliso e tsoelang pele ea inthanete (MemTrax) e sebelisitsoeng mona 'me re leboha bakuli ba bangata ba nang le' dementia 'me ba kentse letsoho lipatlisisong tsa bohlokoa tsa motheo. . Re boetse re leboha Xianbo Zhou le basebetsi-'moho le eena ba SJN Biomed LTD, basebetsi-'moho le eena le basebetsi-'moho le lipetlele / libaka tsa litleliniki, haholo-holo Dr. M. Luo le M. Zhong, ba thusitseng ka khiro ea bankakarolo, ho hlophisa liteko, le ho bokella, ho rekota, le ho tsamaisa lintlha, le baithaopi ba faneng ka nako ea bona ea bohlokoa mme ba itlama ho etsa liteko le ho fana ka litlhahlobo. lintlha tsa bohlokoa tseo re ka li hlahlobang thutong ena. Sena boithuto bo ile ba tšehetsoa ka karolo e 'ngoe ke MD Scientific Research Lenaneo la Kunming Medical University (Grant no. 2017BS028 to XL) le Lenaneo la Lipatlisiso la Yunnan Science and Technology Department (Grant no. 2019FE001 (-222) to XL).
J. Wesson Ashford o kentse kopo ea patent bakeng sa tšebeliso ea paradigm e khethehileng e tsoelang pele ea kananelo e hlalositsoeng pampiring ena bakeng sa kakaretso. teko ea mohopolo.
MemTrax, LLC ke k'hamphani ea Curtis Ashford, 'me k'hamphani ena e laola teko ea mohopolo tsamaiso e hlalositsoeng sehloohong sena.
Litšenolo tsa bangoli li fumaneha inthaneteng (https://www.j-alz.com/manuscript-disclosures/19-1340r2).
LITLHAHISO
| [1] Alzheimer's Association (2016) 2016 lintlha tsa lefu la Alzheimer le lipalo. Alzheimers Dement 12, 459-509. | |
| [2] Gresenz CR , Mitchell JM , Marrone J , Federoff HJ (2019) Phello ea mohato oa pele Lefu la Alzheimer ka liphello tsa lichelete tsa malapa. Health Econ 29, 18–29. | |
| [3] | Foster NL , Bondi MW , Das R , Foss M , Hershey LA , Koh S , Logan R , Poole C , Shega JW , Sood A , Thothala N , Wicklund M , Yu M , Bennett A , Wang D (2019) Quality improvement in Neurology: Seteishene sa tekanyo e bobebe ea ho lekanya ho senyeha ha kelello. Neurology 93, 705-713. |
| [4] Tong T , Thokala P , McMillan B , Ghosh R , Brazier J (2017) Cost effectiveness of use liteko tsa tlhahlobo ea kelello bakeng sa ho lemoha 'dementia' le bokooa bo bobebe ba kelello tlhokomelong ea mantlha.. Int J Geriatr Psychiatry 32, 1392-1400. | |
| [5] Ashford JW , Gere E , Bayley PJ (2011) Ho lekanya mohopolo maemong a sehlopha se seholo ka ho sebedisa teko e tswellang ya kananelo. J Alzheimers Dis 27, 885-895. | |
| [6] | Ashford JW , Tarpin-Bernard F , Ashford CB , Ashford MT (2019) Mosebetsi oa k'homphieutha o tsoelang pele oa ho lemoha ho lekanya mohopolo oa episodic. J Alzheimers Dis 69, 385-399. |
| [7] | Bergeron MF , Landset S , Tarpin-Bernard F , Ashford CB , Khoshgoftaar TM , Ashford JW (2019) Ts'ebetso ea Episodic-memory ho mokhoa oa ho ithuta mochine bakeng sa ho bolela esale pele boemo ba boemo ba bophelo bo botle ba kelello. J Alzheimers Dis 70, 277-286. |
| [8] van der Hoek MD , Nieuwenhuizen A , Keijer J , Ashford JW (2019) The Teko ea MemTrax ha ho bapisoa le khakanyo ea tlhahlobo ea kelello ea Montreal ea bokooa ba kelello bo bobebe. J Alzheimers Dis 67, 1045-1054. | |
| [9] | Falcone M , Yadav N , Poellabauer C , Flynn P (2013) Ho sebelisa melumo e ka thōko ea liluma-nosi bakeng sa ho khetholla kotsi e fokolang ea boko bo sithabetsang. Ka 2013 IEEE International Conference on Acoustics, Speech and Signal Processing, Vancouver, BC, pp. 7577-7581. |
| [10] | Dabek F, Caban JJ (2015) Ho sebelisa lintlha tse kholo ho etsa mohlala oa monyetla oa ho hlahisa maemo a kelello ka mor'a ho ferekana. Procedia Comput Sci 53, 265-273. |
| [11] | Climent MT , Pardo J , Munoz-Almaraz FJ , Guerrero MD , Moreno L (2018) Sefate sa liqeto bakeng sa ho lemoha kapele ho senyeha ha kelello ke litsebi tsa meriana ea sechaba. Pele Pharmacol 9, 1232. |
| [12] | Nasreddine ZS , Phillips NA , Bedirian V , Charbonneau S , Whitehead V , Collin I , Cummings JL , Chertkow H (2005) The Montreal Cognitive Assessment, MoCA: Sesebelisoa sa ho hlahloba ka bokhutšoanyane bakeng sa bokooa bo fokolang ba kelello. J Am Geriatr Soc 53, 695–699. |
| [13] | Yu J, Li J, Huang X (2012) The Beijing version of the Montreal cognitive assessment e le sesebelisoa sa ho hlahloba ka bokhutšoanyane bakeng sa bokooa bo bobebe ba kelello: Thuto e thehiloeng sechabeng. BMC Psychiatry 12, 156. |
| [14] | Chen KL , Xu Y , Chu AQ , Ding D , Liang XN , Nasreddine ZS , Dong Q , Hong Z , Zhao QH , Guo QH (2016) Netefatso ea phetolelo ea Sechaena ea Montreal cognitive assessment motheo oa ho hlahloba bokooa bo fokolang ba kelello. J Am Geriatr Soc 64, e285–e290. |
| [15] | Carson N , Leach L , Murphy KJ (2018) Tlhahlobo e ncha ea Montreal Cognitive Assessment (MoCA) cutoff scores. Int J Geriatr Psychiatry 33, 379-388. |
| [16] | American Psychiatric Association (2013) Task Force Diagnostic and statistical manual of mental disorders: DSM-5™, American Psychiatric Publishing, Inc., Washington, DC. |
| [17] | Python. Python Software Foundation, http://www.python.org, E fihletsoe ka la 15 Pulungoana 2019. |
| [18] | Sehlopha sa R Core, R: Puo le tikoloho bakeng sa khomphutha ea lipalo R Foundation for Statistical Computing, Vienna, Austria. https://www.R-project.org/, 2018, E fihletsoe ka la 15 Pulungoana 2019. |
| [19] | Benavoli A , Corani G , Demšar J , Zaffalon M (2017) Nako ea phetoho: Thuto ea ho bapisa lihlopha tse ngata tsa lihlopha ka tlhahlobo ea Bayesian. J Mach Ithute Res 18, 1–36. |
| [20] | Frank E , Hall MA , Witten IH (2016) The WEKA Workbench. Ho Merafo ea Boitsebiso: Lisebelisoa le Mekhoa ea ho Ithuta ka Mechini e Sebetsang, Frank E, Hall MA, Witten IH, Pal CJ, ed. Morgan Kaufmann https://www.cs.waikato.ac.nz/ml/weka/Witten_et_al_2016_appendix.pdf |
| [21] | Bergeron MF , Landset S , Maugans TA , Williams VB , Collins CL , Wasserman EB , Khoshgoftaar TM (2019) Ho ithuta ka mochine ho etsa mohlala oa matšoao a matšoao a lipapali tsa lipapali sekolong se phahameng. Med Sci Sports Exerc 51, 1362-1371. |
| [22] | Van Hulse J , Khoshgoftaar TM , Napolitano A (2007) Maikutlo a liteko mabapi le ho ithuta ho tsoa ho data e sa leka-lekaneng. Ho Melaetsa ea Seboka sa Machabeng sa bo24 sa ho Ithuta ka Mechini, Corvalis, Oregon, USA, maqephe 935-942. |
| [23] | Ashford JW , Kolm P , Colliver JA , Bekian C , Hsu LN (1989) Tlhahlobo ea mokuli oa Alzheimer le boemo ba kelello bo fokolang: Item characteristic curve analysis.P. J Gerontol 44, 139–146. |
| [24] Ashford JW , Jarvik L (1985) Lefu la Alzheimer: Na polasetiki ea neuron e lebisa ho degeneration ea axonal neurofibrillary? N Engl J Med 313, 388–389. | |
| [25] Jack CR Jr , Therneau TM , Weigand SD , Wiste HJ , Knopman DS , Vemuri P , Lowe VJ , Mielke MM , Roberts RO , Machulda MM , Graff-Radford J , Jones DT , Schwarz CG , Gunter JL , Rocca WA , Petersen RC (2019) Ho ata ha mekhatlo ea Alzheimer spectrum e hlalosoang ka biologically vs ho sebelisa Setsi sa Naha sa Botsofali-Alzheimer's Lipatlisiso tsa Mokhatlo moralo. JAMA Neurol 76, 1174-1183. | |
| [26] Zhou X , Ashford JW (2019) Tsoelo-pele ho lisebelisoa tsa tlhahlobo bakeng sa Lefu la Alzheimer. Botsofali Med 2, 88-93. | |
| [27] Weiner MW , Nosheny R , Camacho M , Truran-Sacrey D , Mackin RS , Flenniken D , Ulbricht A , Insel P , Finley S , Fockler J , Veitch D (2018) The boko Health Registry: Sethala se thehiloeng marang-rang sa ho hira, ho lekola, le ho beha leihlo barupeluoa ka nako e telele bakeng sa lithuto tsa neuroscience. Alzheimers Dement 14, 1063-1076. | |
| [28] Ashford JW , Schmitt FA (2001) Ho etsa mohlala oa nako ea Lefu la Alzheimer. Curr Psychiatry Rep 3, 20-28. | |
| [29] | Li X , Wang X , Su L , Hu X , Han Y (2019) Sino Longitudinal Study on Cognitive Decline (SILCODE): Protocol for a Chinese longitudinal observational study ho hlahisa mekhoa ea ho bolela kotsi ea phetoho ho bokooa bo bobebe ba kelello ho batho ba nang le kelello ea maikutlo. fokotseha. BMJ Open 9, e028188. |
| [30] Tarnanas I , Tsolaki A , Wiederhold M , Wiederhold B , Tsolaki M (2015) Five-year biomarker progression variability for Lefu la Alzheimer's dementia ho bolela esale pele: Na mesebetsi e rarahaneng ea lets'oao la bophelo ba letsatsi le letsatsi e ka tlatsa likheo? Alzheimers Dement (Amst) 1, 521-532. | |
| [31] McGurran H , Glenn JM , Madero EN , Bott NT (2019) Thibelo le kalafo ea lefu la Alzheimer: Mekhoa ea likokoana-hloko ea boikoetliso. J Alzheimers Dis 69, 311-338. | |
| [32] Mendiola-Precoma J , Berumen LC , Padilla K , Garcia-Alcocer G (2016) Meriana ea phekolo bakeng sa thibelo le kalafo ya lefu la Alzheimer. Biomed Res Int 2016, 2589276. | |
| [33] | Lane CA , Barnes J , Nicholas JM , Sudre CH , Cash DM , Malone IB , Parker TD , Keshavan A , Buchanan SM , Keuss SE , James SN , Lu K , Murray-Smith H , Wong A , Gordon E , Coath W , Modat M , Thomas D , Richards M , Fox NC , Schott JM (2020) Mekhatlo pakeng tsa kotsi ea vascular ho pholletsa le batho ba baholo le bokong ba boko nakong ea morao-rao ea bophelo: Bopaki bo tsoang ho sehlopha sa tsoalo sa Brithani. JAMA Neurol 77, 175-183. |
| [34] | Seshadri S (2020) Thibelo ea dementia-menahano ho feta lilemo le mabokose a amyloid. JAMA Neurol 77, 160-161. |
| [35] | Maillard P , Seshadri S , Beiser A , Himali JJ , Au R , Fletcher E , Carmichael O , Wolf PA , DeCarli C (2012) Liphello tsa khatello ea mali ea systolic holim'a white-matter integrity ho bacha ba baholo ho Framingham Heart Study: Sefapano -thuto ea likarolo. Lancet Neurol 11, 1039-1047. |
| [36] Fink HA , Linskens EJ , Silverman PC , McCarten JR , Hemmy LS , Ouellette JM , Greer NL , Wilt TJ , Butler M (2020) Ho nepahala ha tlhahlobo ea biomarker bakeng sa neuropathologically defined Lefu la Alzheimer ho batho ba baholo ba nang le 'dementia'. Ann Intern Med 172, 669-677. |
Affiliations: [a] SIVOTEC Analytics, Boca Raton, FL, USA | [b] Lefapha la Boenjiniere ba Khomphutha le Motlakase le Saense ea Khomphutha, Florida Atlantic University, Boca Raton, FL, USA | [c] SJN Biomed LTD, Kunming, Yunnan, China | [d] Setsi sa Patlisiso ea Alzheimer, Washington Institute of Clinical Research, Washington, DC, USA | [e] Lefapha la Meriana ea Tsosoloso, Sepetlele sa Pele se Kopanetsoeng sa Kunming Medical University, Kunming, Yunnan, Chaena | [f] Lefapha la Neurology, Sepetlele sa Batho sa Dehong, Dehong, Yunnan, China | [g] Lefapha la Neurology, Sepetlele sa Pele se Affiliated sa Kunming Medical University, Setereke sa Wuhua, Kunming, Profinseng ea Yunnan, Chaena | [h] Setsi sa Thuto ea Mafu le Kotsi tse Amanang le Ntoa, VA Palo Alto Care Health System, Palo Alto, CA, USA | [I] Lefapha la Psychiatry & Behavioral Sciences, Stanford University School of Medicine, Palo Alto, CA, USA
Lingoliloeng: [*] Ngollano ho: Michael F. Bergeron, PhD, FACSM, SIVOTEC Analytics, Boca Raton Innovation Campus, 4800 T-Rex Avenue, Suite 315, Boca Raton, FL 33431, USA. E-mail: mirgeron@sivotecanalytics.com.; Xiaolei Liu, MD, Lefapha la Neurology, Sepetlele sa Pele se Kopanetsoeng sa Univesithi ea Bongaka ea Kunming, 295 Xichang Road, Setereke sa Wuhua, Kunming, Profinseng ea Yunnan 650032, Chaena. E-mail: ring@vip.163.com.
Mantsoe a bohlokoa: Ho tsofala, Lefu la Alzheimer, 'dementia', tlhahlobo ea bongata