基于患者问卷与预测建模的帕金森病早期检测
应用统计
2018-10-04 v1
摘要
帕金森病的早期检测十分重要，可使治疗干预和管理策略得以尽早启动。然而，早期检测方法仍是帕金森病中未被满足的临床需求。在本研究中，我们使用广泛使用的运动障碍学会-统一帕金森病评定量表（MDS-UPDRS）中的患者问卷（PQ）部分，采用在生物医学中日益流行的机器学习技术——逻辑回归、随机森林、提升树和支持向量机（SVM）——构建预测模型，以区分早期帕金森病患者与健康正常人。我们进行了基于受试者和基于记录的两种验证来评估这些机器学习技术。我们观察到，这些技术在分类早期帕金森病与健康正常人时表现出高精度和高 ROC 曲线下面积（均 >95%）。逻辑模型对数据表现出统计显著的拟合，表明其作为预测模型的实用性。由此推断，这些预测模型有潜力通过机器学习联结问卷条目，在诊断过程中辅助临床医生。
引用
@article{arxiv.1810.01855,
title = {Early Detection of Parkinson's Disease through Patient Questionnaire and Predictive Modelling},
author = {R Prashanth and Sumantra Dutta Roy},
journal= {arXiv preprint arXiv:1810.01855},
year = {2018}
}
备注
Article accepted in the International journal of Medical Informatics