決策樹算法在老年人輕度認知障礙臨床篩查中的應(yīng)用*

孫振武， 王航平，2

(1.云南師范大學 國家級高原訓練實驗教學中心，云南 昆明 650500；2.云南師范大學 體育學院，云南 昆明 650500)

輕度認知障礙(MCI)是介于正常衰老和阿爾茨海默病(AD) 之間的過渡階段[1].老年人群中MCI的患病率高達21.3%，早期發(fā)現(xiàn)和適當干預(yù)MCI可以減緩認知缺陷和損傷的惡化速度[2].

目前國內(nèi)外尚無統(tǒng)一的MCI篩查和診斷標準[3];簡單的認知評估工具及神經(jīng)系統(tǒng)體格檢查沒有足夠的準確性[4];綜合性的神經(jīng)系統(tǒng)檢查相比之下雖然較為準確，但存在檢查時間長的缺點;生物標記測量由于需要昂貴的儀器設(shè)備而不能在初級衛(wèi)生保健中進行推廣;因此初級衛(wèi)生保健中急需一種簡便、快速且可靠的MCI篩查方法[5].本研究通過一種決策樹臨床算法，結(jié)合簡單的神經(jīng)系統(tǒng)體格檢查以及認知功能評估，對MCI老年患者與正常老年人進行區(qū)分.

1 研究對象與方法

1.1 研究對象

研究對象為來自云南省昆明市呈貢區(qū)雨花社區(qū)和吳家營社區(qū)的212名老年人，納入標準：(1)60歲以上的常住人口，(2)有一定的讀寫能力；排除標準:(1)過去消費的藥物影響大腦的功能和結(jié)構(gòu)，(2)有腦血管疾病史、腦瘤和重型顱腦損傷史，(3)患有帕金森癥和癲癇，存在嚴重的醫(yī)學或精神疾病等.樣本量的計算基于α=0.05,偏差6.5%,特異性為90%,敏感性95%.該研究獲得了云南師范大學生物醫(yī)學倫理委員會的批準和所有參與研究的老年人的同意.

1.2 研究方法

1.2.1 決策樹算法

決策樹算法是一種有監(jiān)督的機器學習算法，要求有輸入變量及目標變量，常用來解決分類問題，它根據(jù)訓練數(shù)據(jù)集，通過一系列測試問題，從而完成對輸出目標的分類[6].決策樹算法由一個根節(jié)點、若干個內(nèi)部節(jié)點以及若干個葉節(jié)點組成.決策樹生長的重點在于“純度”的度量.在ID3算法中，一般使用信息熵衡量集合的純度.設(shè)樣本集合D中含有m類樣本，對應(yīng)每類樣本的比例分別為pk(k=1,2,…，m),則集合D的信息熵被定義為：

1.2.2 神經(jīng)系統(tǒng)檢查和認知功能評估

診斷、測試和評估均由社區(qū)專業(yè)醫(yī)護人員完成.MCI的診斷依據(jù)“國際輕度認知功能障礙工作組”2003年制定的“MCI核心臨床標準”[7]，使用簡易精神狀態(tài)檢查表(MMSE)對受試者的神經(jīng)反射(掌側(cè)反射、吻部反射、吸吮反射、眉間反射、抓握反射和巴賓斯基反射)、單腿平衡(OBL)和嗅覺等神經(jīng)系統(tǒng)功能進行檢查.使用畫鐘表測驗、語言語義流暢測驗(VFT)、精神交替測驗、字母“WAHYU”順序測試和主觀記憶障礙(SMC) 測試評估受試者的認知功能.

1.3 數(shù)據(jù)處理

利用SPSS 22.0軟件進行數(shù)理統(tǒng)計，人口學和臨床因素統(tǒng)計學比較采用卡方檢驗，所有顯著性變量(p< 0.25)均納入多變量logistic回歸分析，以確定研究變量與結(jié)果之間的相關(guān)性.雙側(cè)p<0.05為差異有統(tǒng)計學意義.采用IBM SPSS modeler創(chuàng)建決策樹模型.每個預(yù)測變量在決策樹臨床算法中的位置基于每個預(yù)測變量的信息增益來確定.為分析決策樹臨床算法的有效性，進行了敏感性、特異性和似然率等準確性檢驗.為了分析決策樹臨床算法的適用性，進行了時效性分析.

2 結(jié) 果

2.1 基線特征與臨床檢查

研究對象為212名年齡為60～79歲的老年人,其中男性60人,女性152人;共發(fā)現(xiàn)MCI 76例(35.8%)，其中62例為遺忘型MCI，14例為非遺忘型MCI.基線特征和臨床檢查見表1和表2.

多元logistic回歸分析顯示(表3)，主觀記憶障礙(SMC)(p≤0.001；OR 11.647[95% CI 2.943～46.095])、缺乏體育鍛煉(PE)(p=0.036；OR 3.640 [95% CI 1.089～12.166] )、語言語義流暢測驗(VFT)異常(p≤0.001；OR 85.523[95% CI 16.206～451.317])、單腿平衡(OLB)能力不正常 (p=0.013；OR 5.222 [95% CI 1.408～19.375])是MCI診斷的預(yù)測因子.

2.2 決策樹模型分析

決策樹結(jié)果如圖1所示，所創(chuàng)建的決策樹共分為4層，包含17個葉節(jié)點.第一個分裂參數(shù)為語言語義流暢測驗VFT(正?；虍惓?，其次為體育鍛煉PE(陽性或陰性)、主觀記憶障礙SMC(陽性或陰性)和單腿平衡OLB(正?；虍惓?.預(yù)測診斷MCI以概率值表示.

MCI臨床篩選決策樹算法如圖2所示.首先，運算VFT；如檢查結(jié)果異常，則需要檢查病史，如無規(guī)律體育鍛煉經(jīng)歷，則懷疑為MCI；如果有規(guī)律體育鍛煉，則檢查SMC；如果存在SMC，則懷疑為MCI；如果沒有SMC，可能就不是MCI.在VFT正常的老年人中，檢查OLB的狀態(tài)、SMC和PE史.如果存在SMC、OLB差和PE缺乏史，則懷疑為MCI.如其中一項檢查結(jié)果正常，則未必屬于MCI.運行結(jié)果表明，決策樹臨床算法能準確區(qū)分MCI老年人與正常老年人,準確率為89.62%(95%CI 84.71%～93.38%)、敏感度為71.05%(95%CI 59.51%～80.89%)、特異性為100% (95% CI 97.32%～100%)、陽性預(yù)測值為100%、陰性預(yù)測值86.08% (95% CI 81.30%～89.79%)和似然率為0.29 (95% CI 0.20～0.41).

表1 正常老年人和MCI老年人的基線特征

表2 正常老年人和MCI老年人的臨床檢查

表3 多元logistic回歸分析

圖1 CHAID模型

圖2 MCI臨床篩選的決策樹算法

3 MCI的臨床影響因素

本研究中MCI的患病率為35.8%，與Xu等人的研究相比患病率較高.這可能是由于研究對象受教育程度不高造成的差異[8].有研究報告表明，老年人的認知能力與高血壓、糖尿病、體育鍛煉和受教育水平有關(guān)[9].本研究表明，在雙變量統(tǒng)計分析中，缺乏體育鍛煉的歷史和教育水平與MCI統(tǒng)計學顯著相關(guān).高血壓和糖尿病與MCI雖然相關(guān)，但無統(tǒng)計學意義，這可能是由于大多數(shù)參與者長期以來通過常規(guī)治療，血壓和血糖得到了較好的控制.本研究表明SMC與MCI具有統(tǒng)計學意義,可以納入MCI篩選方案，當與其他檢查相結(jié)合時，它將更準確[10-11].

研究顯示，老年人的認知能力與體育鍛煉有關(guān)[12-14]，缺乏PE的老年人發(fā)生MCI的風險增加.相反，有規(guī)律性的PE則發(fā)生MCI的風險較低[15-16].這與我們的研究結(jié)果一致.

VFT異常與MCI有統(tǒng)計學意義.以往的研究已經(jīng)證明，正常老年人與MCI老年人在語言流暢性尤其是語義流暢性方面存在顯著差異.患有MCI的老年人在語言流暢測試中表現(xiàn)較差[17].因此，語言流暢測試可以用來評估執(zhí)行功能和語言技能.

較差的OLB與MCI顯著相關(guān).研究表明，頂葉功能障礙和海馬功能障礙的存在不僅會導致記憶功能下降，還會導致視空間定向障礙[18-19].

4 結(jié) 語

本研究所建立的決策樹模型的準確率為89.62%(95%CI 84.71%～93.38%)、敏感度為71.05%(95%CI 59.51%～80.89%)、特異性為100% (95% CI 97.32%～100%)、陽性預(yù)測值為100%、陰性預(yù)測值86.08% (95% CI 81.30%～89.79%)和似然率(-)為0.29 (95% CI 0.20～0.41)，共分為5層17個葉節(jié)點，能夠較為準確的區(qū)分MCI老年人和正常老年人.根據(jù)決策樹變量重要性排序規(guī)則，MCI診斷的預(yù)測因子排序依次為語言語義流暢測驗(VFT)、主觀記憶障礙(SMC)和體育活動(PE).決策樹算法在初級衛(wèi)生保健中老年人MCI的臨床篩查是切實可行的.