《社區老年人群阿爾茨海默病的早期診斷和預測模型研究》是依託南昌大學，由吳磊擔任項目負責人的地區科學基金項目。
基本介紹
- 中文名：社區老年人群阿爾茨海默病的早期診斷和預測模型研究
- 項目類別：地區科學基金項目
- 項目負責人：吳磊
- 依託單位：南昌大學
項目摘要,結題摘要,
項目摘要
阿爾茨海默病（AD）是老齡化社會的重大公共衛生問題，該病目前尚無理想的臨床治療藥物和方法，因此預測和早期診斷該病是迫切需要解決的問題。國內外學者利用數學模型在疾病預測和早期診斷中進行了一些探索，但對AD的研究成果甚微。鑒於此，本課題選擇城市社區為研究現場，將文獻系統評價、巢式病例對照研究、實驗室研究和大樣本的人群隨訪研究相結合，篩選出AD發病可信度高、公認度好的風險因子（包括生物遺傳、環境、個人生活行為方式）為參數，建立風險評分（RS）、人工神經網路（ANN）、競爭風險（CRM）數學模型，用於AD發病的預測和早期診斷；並通過ROC曲線下面積、精度、符合率、預測值等指標對不同模型進行評價，結合決策分析最終確定診斷價值高、簡便經濟、適宜社區的模型。為社區綜合防控和臨床早期治療提供重要信息和套用技術，以改變目前AD防治的被動局面。
結題摘要
阿爾茨海默病（AD）是老齡化社會的重大公共衛生問題，該病目前尚無理想的臨床治療藥物和方法，因此預測和早期診斷該病是迫切需要解決的問題。本研究選擇城市社區為研究現場，套用巢式病例對照研究、實驗室研究和大樣本的人群隨訪研究相結合，篩選出年齡、MMSE、Aβ42、Aβ42:Aβ40、ADL、尿AD7c-NTP等AD發病相關的風險因子為參數，建立了風險評分（RS）、反向傳播算法人工神經網路模型（BP–ANN）、競爭風險（CR）三種數學模型，用於AD發病的預測和早期診斷。所建RS模型ROC曲線下面積（AUC）為0.838，靈敏度為80.8%，特異度為75.7%；BP-ANN模型的預測效果及精度均優於RS模型，其準確度為82.1%，AUC為0.987，靈敏度為96.5%，特異度為94.0%，約登指數為0.905。與RS模型和ANN模型相比較，CR模型的優勢在於可以衡量時間變動的因素，且能準確預測終點事件機率。本研究所建CR模型的Pearson擬合優度檢驗統計量為76.028，自由度的上下限值分別是89和56，P值的上下限均大於0.05，具有較高的校準度，預測結果可靠，適用於社區人群AD篩查。這3種模型的建立和套用，為社區AD的綜合防控和臨床早期治療提供了重要信息和套用技術，對改變目前AD防治的被動局面有著積極的現實意義。
