نهج التعلم الألى لتصميم فحص انتقائي فعال للاعاقه الادراكيه الخفيفة

Summary

وتنتج هذه المنهجية أشجار القرارات التي تستهدف الفئات السكانية الأكثر عرضه للمعاناة من العاات الادراكيه الخفيفة ، وهي مفيده للفحص الانتقائي الفعال من حيث التكلفة للمرض.

Abstract

الضعف المعرفي الخفيف (MCI) هو أول علامة علي الخرف بين السكان المسنين والكشف المبكر لها أمر حاسم في مجتمعاتنا الشيخوخة. وتستهلك اختبارات MCI المشتركة وقتا طويلا بحيث لا يكون الفحص العشوائي الشامل فعالا من حيث التكلفة. هنا ، نقوم بوصف بروتوكول يستخدم تقنيات التعلم الألى لاختيار المرشحين بسرعة لمزيد من الفحص عن طريق اختبار MCI القائم علي الاسئله. وهذا يقلل من عدد الموارد المطلوبة للفحص لأنه فقط المرضي الذين يحتمل ان تكون ايجابيه MCI يتم اختبارها أكثر.

وقد طبقت هذه المنهجية في دراسة بحثيه أوليه بشان التدقيق الداخلي شكلت نقطه الانطلاق لتصميم شجره قرارات انتقائية للفحص. جمعت الدراسة الاوليه العديد من المتغيرات الديموغرافية ونمط الحياة ، فضلا عن تفاصيل حول ادويه المريض. تم استخدام استبيان الحالة العقلية القصيرة المحمولة (spmsq) وفحص الحالة الذهنية المصغرة (mmse) للكشف عن الحالات المحتملة ل MCI. وأخيرا ، استخدمنا هذه الطريقة لتصميم عمليه فعاله لتصنيف الافراد المعرضين لخطر MCI. ويقدم هذا العمل أيضا رؤى حول العوامل ذات الصلة بنمط الحياة المرتبطة ب MCI التي يمكن الاستفادة منها في الوقاية والكشف المبكر عن MCI بين السكان المسنين.

Introduction

الشيخوخة السكانية تزيد من انتشار الامراض المزمنة والتنكسية ، وخاصه الخرف التنكسية ، والتي من المتوقع ان تؤثر علي أكثر من 131,000,000 شخص في جميع انحاء العالم من قبل 2050¹. من بين جميع الخرف التنكسية ، مرض الزهايمر (AD) هو الأكثر شيوعا مع انتشار عام في أوروبا من 6.88 ٪². ونظرا للاستقلال المستمر لمرضي AD ، يجب ان تبدا هذه المجموعة في تلقي الدعم بمجرد بدء الإعلان عن البيانات. ولذلك ، فان الاكتشاف المبكر لعلامات الإعلان الاوليه ، مثل الضعف المعرفي الخفيف (MCI) ، أمر ضروري.

يتم تعريف MCI كمرحله التدهور المعرفي المتوسطة المقابلة للشيخوخة العادية والتدهور الشديد بسبب الخرف³. وفقا لتقديرات بيترسن وآخرون⁴، وانتشار MCI هو 8.4 ٪ بين الناس الذين تتراوح أعمارهم بين 65-69 سنه وتصل إلى 25.2 ٪ لأولئك الذين تتراوح أعمارهم بين 80 سنه. نتائج MCI في الافراد الذين يعانون من صعوبات أكثر مما كان متوقعا في تنفيذ المهارات المعرفية منخفضه المستوي ، وخاصه تلك المتعلقة بالذاكرة واللغة ، ولكن لا تتداخل مع أنشطه الحياة اليومية.

الفحص ليس مرادفا للتشخيص. تشخيص MCI سيكون دائما مهمة سريريه في حين ان طرق الفحص يمكن ان تبلغنا فقط ان المريض لديه احتمال اعلي من المعاناة من هذا المرض وان هناك اشتباه في الأساس من MCI التي ينبغي تاكيدها سريريا. التالي ، يمكن للعاملين في الرعاية الصحية الاوليه (الأطباء والصيادلة والممرضين وغيرهم) الاستفادة من توافر طرق الفحص البسيطة (الاختبارات المعرفية القصيرة) التي يمكن تطبيقها في دقائق. ومن الناحية المثالية ، فان هذه من شانها ان تحدد بشكل موضوعي المرضي الذين يعانون من احتمال كبير للمعاناة MCI بحيث يمكن بعد ذلك ان يتم اختبارها سريريا من قبل الأطباء العامة أو المتخصصة.

النظر إلى ان الكشف المبكر عن MCI أصبح مهمة أساسيه في سياق الصحة العامة ، يهدف هذا العمل إلى تحديد الخصائص التي هي مفيده في تحديد المستهدفة لل MCI في اختبارات الفرز للسكان المسنين. سيتم بعد ذلك اختبار هذه المجموعات بشكل أكثر دقه من أجل MCI في الاختبارات التي يديرها مقدمو الرعاية الصحية الاوليه. وتوفر هذه المنهجية شجره قرارات مع الخوارزميات المناسبة لتحديد فئات السكان المستهدفة.

من بين هذه الخصائص, العمر هو واحد من العوامل الأكثر اتساقا المرتبطة بتطور هذا المرض. وترتبط الخصائص الأخرى ذات الصلة بالتركيبة السكانية أو نمط الحياة⁵. ومن بين هذه الاخيره ، حددت بعض الدراسات مده النوم النهاري أو الليلي كعامل خطر يمكن ان يؤدي إلى تشخيص MCI^{5،6،7،8،9}. استهلاك لفترات طويلة من الادويه مثل البنزوديازيبينات ، التي يستهلكها ما يقدر بنسبه 20 ٪-25 ٪ من كبار السن^10،11، ويمكن أيضا التاثير علي ساعات النوم وتطوير MCI^12،13. في الواقع ، قد تكون العلاجات المطولة للامراض المزمنة ميزات هامه مفيده في الاختيار المسبق للافراد الذين يعانون من مخاطر عاليه من المعاناة من MCI.

هنا ، قمنا بتطوير النماذج القائمة علي البيانات التي تستخدم خوارزميات التعلم الألى ، شجره القرار ، وأداه التنبؤيه لزيادة كفاءه منهجيه للكشف عن MCI من خلال التمييز الخصائص التي تلعب دورا هاما في وقت مبكر كشف MCI. وقد أنتجت شجره القرارات الناتجة هنا باستخدام مجموعه محدده من المرضي الاسبان الذين يستخدمون صيدليات المجتمع. غير ان هذه الطريقة ستكون مفيده أيضا بين السكان الآخرين الذين لهم خصائص مختلفه.

وقد اكتمل هذا العمل بالتعاون مع الرعاية الصحية الاوليه والأطباء المتخصصين. كانت الصيدليات المجتمعية مثاليه لاختبار هذه الخوارزميه لأنها قريبه من المرضي ، ولها ساعات عمل طويلة ، وكثيرا ما تتم زيارتها واستشارتها. خرف التنكسية هي الظروف المعقدة التي ليست دائما مفهومه جيدا من قبل مقدمي الرعاية الصحية الاوليه¹⁴. التالي ، فان الانخراط في العملية سيزيد من الوعي بالأشخاص الذين يعانون من الخرف العامة.

Protocol

وقد نشرت المنهجية المطبقة في هذه الدراسة في السابق⁵ في العمل الذي تم القيام به في جامعه Ceu Cardenal هيريرا مع صيدليات المجتمع في منطقه فالنسيا (اسبانيا) المرتبطة بالجمعية الاسبانيه للاسره والمجتمع الصيدلة (sefac). وقد استعرضت هذه الدراسة الحالية ووافقت عليها لجنه أخلاقيات البحوث في جامعه CEU Cardenal هيريرا (الموافقة رقم. CEI11/001) في آذار/مارس 2011. وقد اعطي جميع الافراد المشاركين في الدراسة موافقتهم الخطية المستنيرة علي المشاركة وفقا لإعلان هلسنكي.

1. اختيار العوامل المرتبطة بالضعف المعرفي الخفيف

1. البحث عن المصطلحات المتعلقة MCI للاستخدام في الفرز كوكرين مراجعات منهجيه (علي سبيل المثال ، الاعاقه المعرفية ، والخرف ، وعوامل الخطر ، وما إلى ذلك).
2. البحث عن المصطلحات التي هناك بعض الادله علي وجود علاقة مع التدهور المعرفي أو الخرف المنشورة في قاعده البيانات PubMed; وتشمل هذه العوامل الديمغرافية (الجنس والسن والمستوي التعليمي والوضع الاقتصادي) ، والعوامل الاجتماعية (الانشطه المعرفية والاجتماعية) ، والامراض المزمنة (الكوليسترول ، والاكتئاب ، وارتفاع ضغط الدم ، والسكري ، والسمنة) ، وسلوكيات نمط الحياة (الكحول الاستهلاك ، وعاده التدخين ، والنظام الغذائي ، والنشاط البدني ، وساعات النوم).
3. حساب نسبه الاحتمالات للمتغيرات النوعية أو حجم تاثير كوهين d للمتغيرات الكمية¹⁵. حدد المتغيرات ذات احجام تاثير أكبر للتدهور المعرفي أو الخرف لاستخدامها في اعداد استبيان.

2-تصميم الاستبيانات

1. تصميم استبيان لجمع المعلومات حول المتغيرات المحددة ، وفقا للمبادئ التوجيهية التي قدمها Nardi¹⁶. علي سبيل المثال ، المتغيرات المستخدمة في Climent et al.⁵ كانت الديموغرافية (العمر والوزن والطول [تقاس بإجراءات موحده باستخدام مقاييس معايره و ستاديوميتيرس] ، والجنس ، ومستوي التعليم ، ونوع العمل) ، ونمط الحياة (التمارين الرياضية ، والقراءة ، والوقت المستغرق في النوم بين عشيه وضحيها ، والغاز ، وألعاب ، الاضافه إلى ذلك ، تسجيل وجود أو غياب الاكتئاب ، والتي غالبا ما ترتبط بالتدهور المعرفي.
2. تصميم ورقه متابعه العلاج الدوائي للإبلاغ عن جميع الادويه التي يستهلكها المشاركون في وقت المقابلة ، كما هو الأمر في Climent et al.⁵، والتي استخدمت أسلوب dader¹⁷ لتصميم هذه الورقة.

3. اختيار الاختبارات لفحص MCI

1. تحديد جميع الاختبارات المستخدمة لفحص MCI التي يمكن ان تدار من قبل العاملين في مجال الرعاية الصحية الاوليه (علي سبيل المثال ، الصيادلة). رفض اي اختبارات يجب ان تدار من قبل اخصائي. بعض الاختبارات التي تستوفي هذه الشروط هي القصيرة المحمولة الحالة العقلية الاستبيان (spmsq)¹⁸، مصغره فحص الحالة العقلية (Mmse)¹⁹، شاشه ضعف الذاكرة (MIS)²⁰، صوره ضعف الذاكرة الشاشة (pmis)²¹، مونتريال التقييم المعرفي (moca)²²، جامعه سانت لويس الوضع العقلي (الاحياء الفقيرة)²³، والضعف الإدراكي السريع خفيفه (qmci)²⁴. وهناك استعراض شامل لكل اختبار MCI متاح في كولين وآخرون²⁵.
2. البحث عن تقدير جيد لحساسيات الاختبار وخصوصيتاته في الأدبيات العلمية.
3. تقدير الوقت اللازم لأداره هذه الاختبارات للافراد الأصحاء.
4. النظر في خصائص المريض الاساسيه المطلوبة لاستكمال هذه الاختبارات. علي سبيل المثال ، قد يكون الحد الأدنى لمستوي التعليم ضروريا لان العديد من اختبارات MCI غير مناسبه للمشاركين الأميين. يتم عاده تطبيق مجموعه من اختبارات الفحص MCI لزيادة الحساسية; ومع ذلك ، يجب ان تدار الحد الأدنى من الاختبارات بسرعة من قبل الصيادلة إذا كان الفحص الانتقائي النهائي هو المقصود لعدد كبير من السكان. وقامت climent et al.⁵ بتقييم MCI باستخدام اختبارات MMSE و SPMSQ ، وكانت هذه الاخيره مناسبه للعدد الكبير من الافراد الذين عاشوا خلال الحرب الاهليه الاسبانيه الأميين.
   1. استخدام البديل من SPMSQ بواسطة فايفر¹⁸ تم التحقق من صحتها باللغة الاسبانيه مارتينيز دي لا ايجلزيا²⁶. هذا الاختبار لديه درجه قصوى من 10 ونقطه التوقف لتحديد العجز المعرفي هو 3 أو أكثر من الأخطاء (4 أو أكثر للافراد الأميين). يستغرق إكمال هذا الاختبار ما بين 8 و 10 دقائق.
   2. استخدام إصدار NORMACODERM من MMSE التحقق من صحة للمتحدثين الاسبانيه بواسطة Blesa²⁷ عن طريق تكييف النسخة الاصليه من قبل folstein¹⁹. ويبلغ الحد الأقصى لاختبار الفحص 30 ويتم تصحيحه وفقا لسنوات المرضي من الدراسة والاعمار. المشاركون الذين يسجلون اقل من أو يساوي 24 يعتبرون حالات MCI. و MMSE هو مقياس للوظيفة المعرفية العامة ويشمل التوجه إلى الزمان والمكان ، واللغة المكتوبة والمنطوقة ، ومدي الاهتمام ، والحساب ، والذاكرة. وكان يدار لجميع المشاركين في هذه الدراسة لأنه هو اختبار قصير جدا الذي يستغرق سوي حوالي 5 دقائق لإكمال.

4-التوظيف الخاضع للتعيين

1. البحث عن الصيادلة الراغبين في توظيف الأشخاص غير المؤسسين لتشكيل الدراسة السكانية. وشملت الدراسة المذكورة من قبل Climent et al.⁵ الناس الذين تتراوح أعمارهم بين 65 سنه أو أكثر الذي ذهب بانتظام إلى الصيدلية والذين وافقوا علي المشاركة في هذه الدراسة. استبعاد المرضي الذين يعانون من اي صعوبة في اجراء هذه الاختبارات التقييم (علي سبيل المثال ، بسبب العمي ، والصمم ، وما إلى ذلك) أو الذي كان يعالج بالفعل من الخرف.
2. تزويد الصيادلة المشاركين باستمارات الموافقة المستنيرة ، والتي يجب ان يستكملها كل فرد يشارك في الدراسة. وتحدد استمارة الموافقة هذه عنوان البحث ، وأهداف المشروع ، وشرحا مفهوما لجميع الإجراءات التي سيشارك فيها المشارك ، وعدم وجود مخاطر محدده ، وسريه جميع البيانات المجمعة ، الحق في الانسحاب من الدراسة لأي سبب من الأسباب في اي وقت.
3. تدريب الصيادلة لأداره المقابلات الشخصية المنظمة للمشاركين ، والتي ينبغي ان تستمر حوالي نصف ساعة للشخص الواحد. جمع البيانات لمده سنه واحده وإرسال جميع النماذج إلى الباحثين المسؤولين عن حماية البيانات في الدراسة. بعد ذلك متابعه مع المرضي لمده 3 أشهر.
4. إرشاد الصيادلة كيفيه التعرف علي حاله MCI محتمله باستخدام اختبارات MCI. استنادا إلى Climent et al.⁵ استخدمنا SPMSQ عشرات من 4 نقاط أو أكثر (للمشاركين الأميين) أو 3 أو أكثر من النقاط للمشاركين الآخرين وعشرات من 24 نقطه أو اقل كانت تستخدم في اختبار mmse المصحح.
5. إرشاد الصيادلة حول كيفيه أحاله حالات MCI إلى اخصائي طبي (طبيب أعصاب) لتشخيصهم السريري-الخطوة الاخيره في المخطط الانسيابي المستخدم في هذه الدراسة البحثية (الشكل 1).

الشكل 1: مخطط بياني للدراسة البحثية والفرز الانتقائي المقترح. يمثل الجانب الأيسر الدراسة الاوليه التي تم تحليل بياناتها باستخدام تقنيات التعلم الألى لاقتراح الفحص الانتقائي للكشف المبكر عن MCI الظاهر في اللوحة اليمني. تم تعديل هذا الرقم من Climent³⁴. يرجى النقر هنا لعرض نسخه أكبر من هذا الرقم.

5. تدريب الباحث الصيدلي

1. الاتصال بالمتخصصين لتنظيم دورات لتدريب الصيادلة المشاركين في المعرفة الاساسيه المتعلقة بالاعاقه المعرفية وفي أداره أدوات الفحص ، علي سبيل المثال ، SPMSQ و MMSE.
2. التاكد من ان الصيادلة المشاركين علي علم بالإجراءات ، وبروتوكول جمع البيانات ، وجميع القضايا المحتملة المتعلقة بحماية البيانات. إبلاغهم ان المشروع تمت الموافقة عليه من قبل لجنه أخلاقيات البحث واهميه نموذج الموافقة وفقا لإعلان هلسنكي.
   ملاحظه: لتنفيذ الدراسة التي وصفتها Climent et al.⁵، عقدت حلقات عمل في الكلية الرسمية للصيادلة وجامعه كاردينال-هيريرا ceu ، وغطيت ما يلي: MCI والخرف. نهج التشخيص إلى MCI وأداره SPMQP و MMSE (تدرس من قبل دائره الأعصاب في مستشفي لا بلانا في كاستيلون) ؛ عرض المشروع وشرح المنهجية من قبل كبار الباحثين الصيدلي المجتمع; والتثقيف الصحي والتدريب المعرفي من قبل الباحثين من قسم الصيدلة في جامعه أوش-CEU.

6. تصميم الدراسة

1. حساب حجم العينة لتقييم جدوى المشروع. لان هذه كانت دراسة المراقبة ، عينه أكبر سوف تنتج أدوات أكثر فعاليه. هناك طريقتان لتحديد حجم العينة: واحد يستند إلى تقدير انتشار والاخر هو أكثر دقه ، مع الأخذ في الاعتبار احجام تاثير.
   1. حساب تقدير دقيق لمدي انتشار الحالة بين السكان
      
      
      
      حيث α هو مستوي الاهميه ، p₀ هو التقدير الاولي والخطا هو الحد الأقصى للخطا المتوقع مع 100 (1-α)% الثقة.
   2. وفقا لتاثير الاحجام الموجودة في الأدب لكل عامل ، استخدم أدوات مثل حزمه pwr في R لتقدير مقدار الطاقة المطلوبة للكشف عن الاختلافات^15،28.
      ملاحظه: علي سبيل المثال ، في دراستنا⁵ صممنا الاقتراح الأول مع خطا بنسبه 3 ٪ في 95 ٪ الثقة وتقدير اولي لانتشار MCI في 15 ٪ في السكان الذين تتراوح أعمارهم بين 65 سنه أو أكثر ، مما ادي إلى حجم العينة المطلوبة المقدرة من 541 الافراد.

7. شبكه الاتصالات متعددة التخصصات ، الصيادلة ، أطباء الرعاية الصحية الاوليه ، والمتخصصين

1. تصميم الرسائل لتوصيل المعلومات حول المشروع إلى مراكز الرعاية الصحية المعنية.
2. شرح للمشاركين الصيادلة كيفيه إبلاغ الأطباء المعينين عن نتائج العروض من خلال رسالة إلى مركز الرعاية الصحية الاوليه.
3. إرسال رسائل خطيه إلى المنسقين الطبيين لمراكز الرعاية الصحية المتعلقة بالصيدليات المشاركة وخدمات طب الأعصاب في المستشفيات التي يتم تعيينهم فيها.
4. اتصل بأطباء الأعصاب المشاركين لمعرفه التشخيص النهائي للمريض الذي يتم الحصول عليه من خلال اختبارات محدده يقوم بها مقدمو الرعاية الصحية المتخصصون. وقبل ذلك ، ينبغي لمقدمي الرعاية الصحية الاوليه تنفيذ البروتوكول التالي ، علي النحو الموجز في المبادئ التوجيهية السريرية (الشكل 2).

الشكل 2: بروتوكول إجراءات الرعاية الصحية الاوليه. مثال علي إجراءات الرعاية الصحية الاوليه التي ينبغي النظر فيها للكشف المبكر عن MCI قبل أحاله المريض للتشخيص الطبي من قبل المتخصصين. يرجى النقر هنا لعرض نسخه أكبر من هذا الرقم.

8-التحليل الإحصائي والتجهيز المسبق

ملاحظه: قبل تطبيق تقنيات التعلم الألى ، يلزم اتخاذ خطوه تحضيريه لتحويل البيانات الاصليه إلى مجموعه بيانات جديده وفقا لهدف الدراسة النهائي والإجراءات التي يتعين تطبيقها. لهذا التحول ، ينبغي النظر في عده أمور ، بما في ذلك خصائص الخوارزميات. وذلك لان بعضها حساس لعدم التنوع أو تبادل المعلومات عبر الاعمده ، علي الرغم من ان الخوارزميات المستخدمة لتوليد أشجار القرارات قويه بشكل خاص ضد هذه المشاكل. تهدف هذه المرحلة الاوليه إلى تصنيف المتغيرات النوعية وجمع القيم مع الحالات الكافية لكل متغير. للفحص الفعال من المهم اختيار المتغيرات التي ثبت ان حيازتها سهله ودقيقه. يتم اختيار المشاركين من خلال مقابله قصيرة حيث تم تقييد الخوارزميات المستخدمة في نموذج المربع الأبيض ، مما يجعل من السهل التحقق من المعايير المستخدمة لتحديد ما إذا كان يجب علي الفرد ان ياخذ الاختبار. نقترح استخدام حزمه ربارت²⁹ في برنامج R لهذه الخوارزميات ، وتنفيذ تقسيم العوديه.

1. جمع جميع النماذج من الصيدليات المشاركة وتحويلها إلى جدول فيه كل عمود هو متغير وكل فرد المشاركة هو صف.
2. تعيين رقم تعريف لكل مشارك. احفظ رقم التعريف ومعلومات جهة الاتصال في مستند مختلف بحيث لا يتم استخدامه من قبل خوارزميه التعلم الألى.
3. توليد المتغيرات لتصنيف ما إذا كان كل دواء ياخذ المريض يتوافق مع الثانية أو الثالثة ATC³⁰ (الكيميائية العلاجية التشريحية) رموز مستوي ، وفقا للمكونات الرئيسية النشطة علي ورقه متابعه العلاج الدوائي.
4. قم باجراء تحليل وصفي اولي.
   1. لكل متغير ترتيبي ، اختر تباينا مناسبا للمتغير. بالنسبة للمتغيرات القطعية ، حدد القيمة التي تعتبر الأساس.
   2. بالنسبة للمتغيرات القطعية ، احسب الانحدار اللوجستي أحادي المتغيرات مع متغير استجابه للفحص ل MCI. تحليل نتيجة الانحدار مع جدول الطوارئ ، والقيمة p، ونسبه الاحتمالات العينة ، والفاصل الزمني للثقة 95 ٪ من نسبه الاحتمالات.
   3. بالنسبة للمتغيرات الكمية ، احسب المتوسط ، الانحراف المعياري ، معامل الانحدار اللوجستي ، وفاصل الثقة 95% لمعاملاتهم.
5. رفض المتغيرات التي تحتوي علي قيم مفقوده (غير متوفرة) ، مع الأخذ في الاعتبار هذه المتغيرات من الصعب جمعها بدقه.
6. حدد فقط المتغيرات التي توجد علي الأقل فئة هامه من الناحية الاحصائيه (α < 0.01) وفقا لتحليل الانحدار اللوجستي. وتنتج نتيجة هذه الخطوة مجموعه بيانات مخفضه مقارنه بالعدد الاولي.

9. خوارزميات لإنشاء شجره القرار

ملاحظه: خوارزميات التعلم الألى يجب ان تكون معلمات بشكل صحيح للتنبؤ الافراد الذين من المحتمل ان يكون نتيجة اختبار MCI موجبه. واحده من المشاكل الرئيسية في حين فحص لشرط هو ان البيانات الاصليه من المتوقع ان تكون غير متوازنة (اي ، عدد قليل من الحالات الايجابيه مقارنه بالسلبيات). للحصول علي نماذج مع بيانات متوازنة استخدمنا تقنيه تسمي أسفل-أخذ العينات ، أو أخذ عينات عشوائية ، لمعادله التردد مع ان من فئة الترددات الدنيا³¹. كما يتطلب الفحص الفعال تقليل عدد السلبيات الزائفة قدر الإمكان (اي زيادة حساسية اختيار المشاركين الذين يعانون من MCI). واحده من التقنيات المستخدمة لتحقيق حساسية أكبر هو إدخال العقوبات في حساب مؤشر الشوائب جيني (اي المؤشر المستخدم من قبل الخوارزميه لاختيار أفضل تقسيم لشجره القرار)³².

1. إنشاء تدريب واختبار مجموعه البيانات مع 80% و 20% من مجموعه البيانات بالبالكامل ، علي التوالي باستخدام الدالة كريتيايداتابارتيتيون في مكتبه الإقحام³³.
2. تطبيق الخوارزميات المستخدمة لإنشاء أشجار القرار إلى مجموعه بيانات التدريب. استخدام القطار مره أخرى الدالة في مكتبه الإقحام³³. الخطوات التالية هي معلمات مختلفه من الدالة; علي سبيل المثال ، تم إنشاء الشجرة المستخدمة في هذه الورقة مع ربارت²⁹ (أسلوب = "ربارت") ، ولكن خوارزميات أخرى متوفرة.
   1. حدد أسلوب أخذ العينات ' لأسفل أخذ العينات ' واعرض عينه = "أسفل" المعلمة في علامة الإقحام.
   2. تعيين الاحتمالات السابقة لكلا الفئتين.
   3. (ب) تقديم مصفوفة خسائر بالجزاءات المطبقة في مؤشر جيني لقياس الشوائب من أجل التركيز علي الحساسية المتزايدة.
   4. لكل معلمه في الخوارزميه ، اختر شبكه مناسبه من القيم.
   5. استخدم تقدير التحقق من الصحة التبادلية لقيم منحني التشغيل المتلقي (ROC) لتحديد أفضل النماذج داخل شبكه المعلمة.
3. احسب مصفوفة الارتباك والمنطقة الواقعة تحت منحني ROC (اوك) للتنبؤ بمجموعه الاختبار لتقييم الأداء الحقيقي للنموذج.

النتائج

جمعت الصيدليات المشاركة بيانات من 728 مستخدم وجمعت المتغيرات الديموغرافية بالاضافه إلى الادويه الموصوفة للمشاركين. تم اجراء الانحدار اللوجستي الأحادي المتغير لكافة المتغيرات³⁴; الرسوم البيانية لشريط الخطا المبينة في الشكل 3 والش?...

Discussion

بعد البحث عن المصطلحات المرتبطة MCI في دراسات كوكرين في قاعده البيانات PubMed ، تم إنشاء استبيان محدد لهذه الدراسة التي استخدمت المتغيرات الأكثر وضوحا مع ارتباط ثبت مع MCI. كما تم تسجيل العوامل الديموغرافية ، ونمط الحياة ، والاجتماعية ، فضلا عن العلاج الدوائي للمريض وبعض الامراض ذات الصلة. بالا...

Materials

Name	Company	Catalog Number	Comments
caret	Max Kuhn		R package
rpart	Terry Therneau, Beth Atkinson, Brian Ripley		R package
SPMSQ in Spanish	Farmaceuticoscomunitarios.org		http://farmaceuticoscomunitarios.org/anexos/vol11_n1/ANEXO1.pdf
SPMSQ in English	geriatrics.stanford.edu		https://geriatrics.stanford.edu/culturemed/overview/assessment/assessment_toolkit/spmsq.html
MMSE in Spanish	Farmaceuticoscomunitarios.org		http://farmaceuticoscomunitarios.org/anexos/vol11_n1/ANEXO2.pdf
MMSE in English	oxfordmedicaleducation.com		http://www.oxfordmedicaleducation.com/geriatrics/mini-mental-state-examination-mmse/