基于具有多元纵向内生协变量的随机生存森林动态预测阿尔茨海默病的发病风险

摘要

目的 基于轻度认知功能障碍(mild cognitive impairment, MCI)患者的基线临床资料和纵向神经心理学评分，构建阿尔茨海默病(Alzheimer’s disease, AD)发病风险的动态预测模型。方法 选取2005—2011年阿尔茨海默病神经影像学倡议1研究中的380例MCI患者作为研究对象，以7∶3随机将研究对象划分为训练集和测试集。以阿尔茨海默病评估量表-13项认知分量表(ADAS-Cog13)、Rey听觉词语学习测验即时分数(Rey auditory verbal learning test immediate score, RAVLT Immediate)、社会功能活动问卷(functional activities questionnaire, FAQ)和简易精神状态检查表(mini-mental state examination, MMSE)作为纵向神经心理学评分指标，利用具有多元纵向内生协变量的随机生存森林方法于训练集中构建MCI患者AD发病风险的动态预测模型。采用时间依赖的受试者工作特征曲线下面积(areas under the receiver operator characteristic curve, AUC)和布莱尔分数(Brier score, BS)于测试集中评估模型的预测性能。结果 对于MCI患者AD发病风险的预测，纵向神经心理学评分是比基线临床资料更为重要的预测因子，其中FAQ是最强的预测因子。动态预测模型的预测性能较高，在测试集中的AUC范围为0.7695～0.8987,BS的范围为0.1369～0.2184。结论 基于具有多元纵向内生协变量的随机生存森林方法可以合并多个纵向神经心理学评分构建MCI患者AD发病风险的预测模型，具有较高的预测性能，并能够实现个体化的动态预测。

关键词

阿尔茨海默病 / 神经心理学量表 / 动态预测 / 随机生存森林 / 多元纵向数据