基于贝叶斯分位数回归联合模型的帕金森病前驱期影响因素分析

摘要

目的 基于贝叶斯分位数回归联合模型探究不同蒙特利尔认知评估（Montreal cognitive assessment,MoCA）评分轨迹下帕金森病前驱期（prodromal Parkinson’s disease,pPD）患者的影响因素。方法 从帕金森进展标志物倡议（Parkinson’s progression markers initiative,PPMI）数据库中选取pPD患者，共纳入331例pPD患者。研究纳入年龄、教育年限、家族史、性别、体质指数、β淀粉样蛋白、总tau蛋白、磷酸化tau蛋白、血清尿酸、APOEε4基因变量，采用分位数回归模型、Cox比例风险模型筛选具有重要意义的变量。将上述筛选出的变量利用贝叶斯分位数回归联合模型综合纵向数据和生存数据信息进行联合建模，分析不同MoCA评分轨迹下pPD患者的影响因素。结果 贝叶斯分位数回归联合模型结果表明，在所有分位数处年龄、性别、教育年限、总tau蛋白、磷酸化tau蛋白、血清尿酸与pPD患者疾病进展显著相关。不同分位数处变量影响程度不同，总tau蛋白、磷酸化tau蛋白的影响程度随分位数增加呈不断上升的趋势，血清尿酸的影响程度呈下降趋势。结论 MoCA不同评分轨迹下pPD患者的影响因素不同，影响程度存在差异。应重点关注高龄、教育年限短、男性、血清尿酸水平低、携带APOEε4基因的pPD患者。

关键词

帕金森病前驱期 / 贝叶斯分位数回归联合模型 / 影响因素

基金资助

国家自然科学基金（82273742）; 山西省研究生实践创新项目（2024SJ216）