Интересное сегодня
Наука, духовность и проявление: как нейробиолог обрела смысл...
Наука, духовность и проявление: Неожиданная гармония Когда вы встречаете нейробиолога, вы, как прави...
Влияние Военных Переживаний на Психическое Здоровье Жителей ...
Введение 7 октября 2023 года в южном Израиле произошла масштабная атака, которая привела к значитель...
Потенциал психоделиков в лечении хронической боли
Введение Хроническая боль представляет собой загадочное состояние, которое является как распр...
Модуляция контрастности и коллинеарные взаимодействия в чело...
Обзор коллинеарной модуляции Коллинеарная модуляция представляет собой основополагающий элемент наше...
Как жить счастливее и осмысленнее: Техники "life crafti...
В этой статье я обсуждаю результаты двух недавних исследований о том, как жить счастливее и осмыслен...
Наблюдение и имитация движений рук при болезни Паркинсона: в...
Введение в проблему болезни Паркинсона Болезнь Паркинсона (БП) представляет собой нейродегенеративно...
Введение
Старение населения — глобальный тренд, обусловленный увеличением продолжительности жизни и снижением рождаемости. По данным ООН (2020), к 2050 году число людей старше 65 лет удвоится, достигнув 1.5 миллиарда. Это повышает риски возрастных заболеваний, включая деменцию и болезнь Альцгеймера (БА).
Актуальность проблемы
Деменция — ведущая причина утраты самостоятельности у пожилых. Её распространённость к 2050 году может утроиться. Особую тревогу вызывает отсутствие эффективных методов лечения на поздних стадиях, что делает раннюю диагностику критически важной.
Методы
Исследование основано на данных 845 участников (65–87 лет) без когнитивных нарушений на старте. Использованы пять моделей XGBoost (eXtreme Gradient Boosting) возрастающей сложности:
- Модель 1: Демография и самоотчёты
- Модель 2: + медицинские показатели
- Модель 3: + когнитивный скрининг
- Модель 4: Комбинация мед. и когнитивных данных
- Модель 5: Полный набор параметров
Обработка данных
Применены:
- SMOTE (Synthetic Minority Oversampling Technique) — балансировка классов
- SHAP (SHapley Additive exPlanations) — интерпретация важности признаков
- Множественная импутация для пропущенных значений
Результаты
Наиболее точная Модель 5 показала:
- Точность: 86%
- AUC (площадь под ROC-кривой): 0.8359
Ключевые предикторы
Анализ выявил значимые факторы риска:
- Тесты памяти (например, FCSRT — Free and Cued Selective Reminding Test)
- Симптомы депрессии (GDS — Geriatric Depression Scale)
- Возраст
- Семейный анамнез БА
Клиническое применение
Разработан онлайн-калькулятор, позволяющий:
- Оценивать индивидуальный риск ЛКН
- Использовать в первичном звене здравоохранения
- Проводить профилактические вмешательства
Ограничения
Исследование имеет ограничения:
- Данные собраны в Мадриде (Испания)
- Период наблюдения — 3 года
- Требуется валидация в других популяциях
Заключение
Модели на основе XGBoost демонстрируют высокий потенциал для раннего выявления ЛКН. Интеграция когнитивных тестов значительно повышает точность прогноза. Онлайн-калькулятор упрощает внедрение в клиническую практику.
