专栏名称: 解螺旋

解螺旋——医生科研最好的帮手。无论你是科研零基础，抑或初窥门径，你都可以在解螺旋获得极大的提升，从而面对基金、论文、实验游刃有余。解螺旋课堂是所有热爱科研技能学习的医生聚集地，解螺旋会员是医生科研全方位的贴心助手，加入我们，体验改变。

机器学习助力开发帕金森认知风险评分量表，新技能get!

解螺旋 · 公众号 · 医学 · 2017-06-24 19:23

正文

科学假设

1.帕金森病中的认知损伤还没有有效的干预手段；

2.那是因为相应的临床研究中，还有没办法对认知功能进行有效的基线控制和预测，导致临床研究的效率不高；

3.瞧瞧隔壁心血管科，人家有个Framingham风险评分，就是基于简单的性别、年龄及其他心血管危险因素，来预测10年内心血管疾病发生率，炒鸡friendly。我们帕金森也要搞一个。

结果解读

首先， 研究者收集汇总了9个已发表研究的纵向队列数据（北美+欧洲），有的是人群观察队列，有的是生物标志物研究队列，有的是临床试验队列。它们原来的实验设计、纳排标准、和评价指标都不同。研究者认为正因此，由这些数据开发出为的模型更具有普适性。

9个队列的患者数据经过一系列纳排标准的筛选后，又把剩下的分为两个库，一个是由6个队列组成的发现库（discovery population），用于建立模型；另一个是重复库（replication population），由3个队列组成，用于验证模型。

其次， 建模所需要的风险因素（即自变量，Predictors），也是从既往文献报道中整理出来的，共有9个，分别为：

简易精神状态量表（MMSE）；

蒙特利尔认知评估量表（MoCA）；

国际帕金森病运动障碍协会改良统一帕金森病评分量表第II、第III部分（MDS-UPDRSII、MDS-UPDRS III）；

帕金森病的发病年龄；

受教育年限；

性别；

抑郁状态；

β-葡糖脑苷脂酶（GBA）基因突变。

以上就是研究所需要的材料。然后通过那9个队列的数据，对9个变量进一步筛选，找出哪些确实有影响力，哪些没有；有影响力的，影响力又有多大，这才能形成一个精致的评分模型。

整个研究的流程如Figure 1所示：

Figure1实验设计

第一步：建立模型

先在发现库中用Cox回归计算每个自变量的回归系数、风险比（HR）等统计量，剔除无效的自变量，于是MDS-UPDRSII评分先被刷掉了。