用于预测多发性硬化症患者残疾阶段的纵向缺失数据插补
机器学习
2025-01-23 v1
摘要
多发性硬化症（MS）是一种慢性疾病，其特征是神经功能（运动、感觉、视觉和认知）的进行性或交替性损伤。采用概率和时间依赖的方法预测疾病进展可能有助于建议可延缓疾病进展的干预措施。然而，从不规则收集的纵向数据中提取有用信息十分困难，且数据缺失带来了重大挑战。MS的进展通过扩展残疾状态量表（EDSS）进行测量，该量表随时间量化并监测MS中的残疾情况。EDSS评估八个功能系统（FS）的损伤。通常，临床医生仅报告分配的EDSS总分，而FS子分数缺失。插补这些分数可能是有用的，特别是对于根据疾病进展过程中评估的表型对患者进行分层。本研究旨在i）探索插补缺失FS子分数的不同方法，以及ii）使用完整的临床数据预测EDSS分数。结果表明，指数加权移动平均在缺失数据插补任务中实现了最低的错误率；此外，用于插补的分类与回归树和用于预测任务的SVM的组合获得了最佳准确率。
引用
@article{arxiv.2501.12927,
title = {Longitudinal Missing Data Imputation for Predicting Disability Stage of Patients with Multiple Sclerosis},
author = {Mahin Vazifehdan and Pietro Bosoni and Daniele Pala and Eleonora Tavazzi and Roberto Bergamaschi and Riccardo Bellazzi and Arianna Dagliati},
journal= {arXiv preprint arXiv:2501.12927},
year = {2025}
}
备注
6 pages, 3 tables