阿尔茨海默病早期危险因子的评估分析

• 作者: 周澜 朱燕飞 李佳承 罗万春 黄嘉诚
• 来源期刊: 中国卫生统计
• 关键词: 二分类logistic 阿尔茨海默病 轻度认知功能障碍 ROC曲线分析 约登指数
• 年，卷（期）: 2017,（5）
• 所属期刊栏目: 应用研究
• 页码范围: 756-760,763
• 页数: 6页
• 字数: 4441字
• 语种: 中文

摘要

目的 筛选阿尔茨海默病(AD)早期风险因子,通过二分类logistic回归和ROC曲线分析建立统计学诊断模型,进行诊断学评价.方法 根据早期诊断和24个月诊断比较结果,将52例基线诊断正常(HC)的患者分为HC未进展组(HCnc)45例、HC进展组(HCc)7例;将93例基线诊断轻度认知功能障碍(MCI)的患者分为未进展组(MCInc)50例、MCI进展组(MCIc)43例.分别对HCnc组和HCc组、MCInc组和MCIc组进行差异性检验筛选风险因子,并构建二分类logistic回归诊断模型.结果 经差异性检验分析,HCnc组和HCc组中β-淀粉样蛋白1-42(Aβ1-42)、右侧海马体积(R-hippo)、后扣带回皮质灰度(PCING)具有显著性差异(P<0.05),经二分类logistic回归分析得到统计学诊断模型,模型对HCc的预测准确率为42.9%,HCnc的预测准确率为97.8%,总体预测准确率为90.4%,ROC曲线分析得到Aβ1-42、R-hippo、PCING以及曲线下面积(AUC)分别为0.722、0.756、0.879、0.930;MCInc组和MCIc组中MMSE得分、AD认知行为评分(ADAS-cog)、R-hippo、顶叶皮质灰度(PRT)以及PCING具有显著性差异(P<0.05),经二分类lo-gistic回归分析得到统计学诊断模型,模型对MCIc的预测准确率为65.1%,MCInc的预测准确率为74.0%,总体预测准确率为69.9%,ROC曲线分析得到MMSE、ADAS-cog、R-hippo、PRT、PCING以及模型AUC分别为0.623、0.652、0.618、0.629、0.661、0.694.结论 应用二分类logistic回归建立的统计学诊断模型能有效地对AD早期风险进行评估.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周澜	中国人民解放军第三军医大学生物医学工程系生物医学材料学教研室	3	6	2.0	2.0
2	罗万春	中国人民解放军第三军医大学数学与生物数学教研室	2	0	0.0	0.0