Machine Learning for Early Detection of Cognitive Decline in Parkinson’s Disease Using Multimodal Biomarker and Clinical Data
Rattachement africain : sg, nl, us. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
Background: Parkinson’s disease (PD) is the second most common neurodegenerative disease, primarily affecting the middle-aged to elderly population. Among its nonmotor symptoms, cognitive decline (CD) is a precursor to dementia and represents a critical target for early risk assessment and diagnosis. Accurate CD prediction is crucial for timely intervention and tailored management of at-risk patients. This study used machine learning (ML) techniques to predict the CD risk over five-year in early-stage PD. Methods: Data from the Early Parkinson’s Disease Longitudinal Singapore (2014 to 2018) was used to predict CD defined as a one-unit annual decrease or a one-unit decline in Montreal Cognitive Assessment over two consecutive years. Four ML methods—AutoScore, Random Forest, K-Nearest Neighbors and Neural Network—were applied using baseline demographics, clinical assessments and blood biomarkers. Results: Variable selection identified key predictors of CD, including education year, diastolic lying blood pressure, diastolic standing blood pressure, systolic lying blood pressure, Hoehn and Yahr scale, body mass index, phosphorylated tau at threonine 181, total tau, Neurofilament light chain and suppression of tumorigenicity 2. Random Forest was the most effective, achieving an AUC of 0.93 (95% CI: 0.89, 0.97), using 10-fold cross-validation. Conclusions: Here, we demonstrate that ML-based models can identify early-stage PD patients at high risk for CD, supporting targeted interventions and improved PD management.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Machine Learning for Early Detection of Cognitive Decline in Parkinson’s Disease Using Multimodal Biomarker and Clinical Data
- Date Crossref
- 03/12/2024
- Éditeur
- MDPI AG
- Type
- journal-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
National University of Singapore Duke-NUS Medical School pays non établi dans la noticeUniversité ou école supérieure
-
Duke-NUS Medical School pays non établi dans la noticeUniversité ou école supérieure
-
National Neuroscience Institute Department of Research pays non établi dans la noticeÉtablissement de santé
-
Leiden University Medical Center Department of Biomedical Data Sciences pays non établi dans la noticeOrganisme public
-
New York University pays non établi dans la noticeUniversité ou école supérieure
-
Stern School of Business Department of Econometrics pays non établi dans la noticeUniversité ou école supérieure
Duke-NUS Medical School — National University of Singapore, Duke-NUS Medical School et Department of Research — National Neuroscience Institute, avec 3 autres affiliations.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.