阿尔茨海默病早期危险因子的评估分析

作者：李佳承; 黄嘉诚; 朱燕飞; 周澜; 罗万春

来源：中国卫生统计, 2017, 34(05): 756-760+763.

• 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

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logistic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。

• 出版日期2017
• 单位中国人民解放军第三军医大学