孫振武， 王航平，2

(1.云南師范大學 國家級高原訓練實驗教學中心，云南 昆明 650500；2.云南師范大學 體育學院，云南 昆明 650500)

輕度認知障礙(MCI)是介于正常衰老和阿爾茨海默病(AD) 之間的過渡階段[1].老年人群中MCI的患病率高達21.3%，早期發(fā)現(xiàn)和適當干預MCI可以減緩認知缺陷和損傷的惡化速度[2].

目前國內外尚無統(tǒng)一的MCI篩查和診斷標準[3];簡單的認知評估工具及神經系統(tǒng)體格檢查沒有足夠的準確性[4];綜合性的神經系統(tǒng)檢查相比之下雖然較為準確，但存在檢查時間長的缺點;生物標記測量由于需要昂貴的儀器設備而不能在初級衛(wèi)生保健中進行推廣;因此初級衛(wèi)生保健中急需一種簡便、快速且可靠的MCI篩查方法[5].本研究通過一種決策樹臨床算法，結合簡單的神經系統(tǒng)體格檢查以及認知功能評估，對MCI老年患者與正常老年人進行區(qū)分.

1 研究對象與方法

1.1 研究對象

研究對象為來自云南省昆明市呈貢區(qū)雨花社區(qū)和吳家營社區(qū)的212名老年人，納入標準：(1)60歲以上的常住人口，(2)有一定的讀寫能力；排除標準:(1)過去消費的藥物影響大腦的功能和結構，(2)有腦血管疾病史、腦瘤和重型顱腦損傷史，(3)患有帕金森癥和癲癇，存在嚴重的醫(yī)學或精神疾病等.樣本量的計算基于α=0.05,偏差6.5%,特異性為90%,敏感性95%.該研究獲得了云南師范大學生物醫(yī)學倫理委員會的批準和所有參與研究的老年人的同意.

1.2 研究方法

1.2.1 決策樹算法

決策樹算法是一種有監(jiān)督的機器學習算法，要求有輸入變量及目標變量，常用來解決分類問題，它根據訓練數(shù)據集，通過一系列測試問題，從而完成對輸出目標的分類[6].決策樹算法由一個根節(jié)點、若干個內部節(jié)點以及若干個葉節(jié)點組成.決策樹生長的重點在于“純度”的度量.在ID3算法中，一般使用信息熵衡量集合的純度.設樣本集合D中含有m類樣本，對應每類樣本的比例分別為pk(k=1,2,…，m),則集合D的信息熵被定義為：

1.2.2 神經系統(tǒng)檢查和認知功能評估

診斷、測試和評估均由社區(qū)專業(yè)醫(yī)護人員完成.MCI的診斷依據“國際輕度認知功能障礙工作組”2003年制定的“MCI核心臨床標準”[7]，使用簡易精神狀態(tài)檢查表(MMSE)對受試者的神經反射(掌側反射、吻部反射、吸吮反射、眉間反射、抓握反射和巴賓斯基反射)、單腿平衡(OBL)和嗅覺等神經系統(tǒng)功能進行檢查.使用畫鐘表測驗、語言語義流暢測驗(VFT)、精神交替測驗、字母“WAHYU”順序測試和主觀記憶障礙(SMC) 測試評估受試者的認知功能.

1.3 數(shù)據處理

利用SPSS 22.0軟件進行數(shù)理統(tǒng)計，人口學和臨床因素統(tǒng)計學比較采用卡方檢驗，所有顯著性變量(p< 0.25)均納入多變量logistic回歸分析，以確定研究變量與結果之間的相關性.雙側p<0.05為差異有統(tǒng)計學意義.采用IBM SPSS modeler創(chuàng)建決策樹模型.每個預測變量在決策樹臨床算法中的位置基于每個預測變量的信息增益來確定.為分析決策樹臨床算法的有效性，進行了敏感性、特異性和似然率等準確性檢驗.為了分析決策樹臨床算法的適用性，進行了時效性分析.

2 結 果

2.1 基線特征與臨床檢查

研究對象為212名年齡為60～79歲的老年人,其中男性60人,女性152人;共發(fā)現(xiàn)MCI 76例(35.8%)，其中62例為遺忘型MCI，14例為非遺忘型MCI.基線特征和臨床檢查見表1和表2.

多元logistic回歸分析顯示(表3)，主觀記憶障礙(SMC)(p≤0.001；OR 11.647[95% CI 2.943～46.095])、缺乏體育鍛煉(PE)(p=0.036；OR 3.640 [95% CI 1.089～12.166] )、語言語義流暢測驗(VFT)異常(p≤0.001；OR 85.523[95% CI 16.206～451.317])、單腿平衡(OLB)能力不正常 (p=0.013；OR 5.222 [95% CI 1.408～19.375])是MCI診斷的預測因子.

2.2 決策樹模型分析

決策樹結果如圖1所示，所創(chuàng)建的決策樹共分為4層，包含17個葉節(jié)點.第一個分裂參數(shù)為語言語義流暢測驗VFT(正?；虍惓?，其次為體育鍛煉PE(陽性或陰性)、主觀記憶障礙SMC(陽性或陰性)和單腿平衡OLB(正?；虍惓?.預測診斷MCI以概率值表示.

MCI臨床篩選決策樹算法如圖2所示.首先，運算VFT；如檢查結果異常，則需要檢查病史，如無規(guī)律體育鍛煉經歷，則懷疑為MCI；如果有規(guī)律體育鍛煉，則檢查SMC；如果存在SMC，則懷疑為MCI；如果沒有SMC，可能就不是MCI.在VFT正常的老年人中，檢查OLB的狀態(tài)、SMC和PE史.如果存在SMC、OLB差和PE缺乏史，則懷疑為MCI.如其中一項檢查結果正常，則未必屬于MCI.運行結果表明，決策樹臨床算法能準確區(qū)分MCI老年人與正常老年人,準確率為89.62%(95%CI 84.71%～93.38%)、敏感度為71.05%(95%CI 59.51%～80.89%)、特異性為100% (95% CI 97.32%～100%)、陽性預測值為100%、陰性預測值86.08% (95% CI 81.30%～89.79%)和似然率為0.29 (95% CI 0.20～0.41).

表1 正常老年人和MCI老年人的基線特征

表2 正常老年人和MCI老年人的臨床檢查

表3 多元logistic回歸分析

圖1 CHAID模型

圖2 MCI臨床篩選的決策樹算法

3 MCI的臨床影響因素

本研究中MCI的患病率為35.8%，與Xu等人的研究相比患病率較高.這可能是由于研究對象受教育程度不高造成的差異[8].有研究報告表明，老年人的認知能力與高血壓、糖尿病、體育鍛煉和受教育水平有關[9].本研究表明，在雙變量統(tǒng)計分析中，缺乏體育鍛煉的歷史和教育水平與MCI統(tǒng)計學顯著相關.高血壓和糖尿病與MCI雖然相關，但無統(tǒng)計學意義，這可能是由于大多數(shù)參與者長期以來通過常規(guī)治療，血壓和血糖得到了較好的控制.本研究表明SMC與MCI具有統(tǒng)計學意義,可以納入MCI篩選方案，當與其他檢查相結合時，它將更準確[10-11].

研究顯示，老年人的認知能力與體育鍛煉有關[12-14]，缺乏PE的老年人發(fā)生MCI的風險增加.相反，有規(guī)律性的PE則發(fā)生MCI的風險較低[15-16].這與我們的研究結果一致.

VFT異常與MCI有統(tǒng)計學意義.以往的研究已經證明，正常老年人與MCI老年人在語言流暢性尤其是語義流暢性方面存在顯著差異.患有MCI的老年人在語言流暢測試中表現(xiàn)較差[17].因此，語言流暢測試可以用來評估執(zhí)行功能和語言技能.

較差的OLB與MCI顯著相關.研究表明，頂葉功能障礙和海馬功能障礙的存在不僅會導致記憶功能下降，還會導致視空間定向障礙[18-19].

4 結 語

本研究所建立的決策樹模型的準確率為89.62%(95%CI 84.71%～93.38%)、敏感度為71.05%(95%CI 59.51%～80.89%)、特異性為100% (95% CI 97.32%～100%)、陽性預測值為100%、陰性預測值86.08% (95% CI 81.30%～89.79%)和似然率(-)為0.29 (95% CI 0.20～0.41)，共分為5層17個葉節(jié)點，能夠較為準確的區(qū)分MCI老年人和正常老年人.根據決策樹變量重要性排序規(guī)則，MCI診斷的預測因子排序依次為語言語義流暢測驗(VFT)、主觀記憶障礙(SMC)和體育活動(PE).決策樹算法在初級衛(wèi)生保健中老年人MCI的臨床篩查是切實可行的.