论文部分内容阅读
目的:探究南昌城市社区60岁及以上老年人阿尔茨海默病(Alzheimer’s disease,AD)的发病特点和规律,分析其患病的风险因子,建立符合城市社区老年人特点的神经网络模型(neural network model),实现简便易行的AD早期诊断,为AD的预防和控制提供科学思路。方法:于前期工作所建立的随访队列中,应用巢式病例对照研究,抽取依从性好且愿意提供血尿样本的AD新病例89人,并在其邻近居住者中按1:2的比例随机抽取178例非AD老年人为对照,进行问卷调查和实验室检测,分析比较AD的风险因子及其生物学指示物。同时,利用所得资料构建误差反向传播算法的人工神经网络(Error Back Propagation Artificial Neural Network,BP-ANN)模型。结果:(1)巢式病例对照研究中,AD组人群的年龄(77.44±6.82岁)明显高于非AD组(72.49±6.86岁);AD组中,女性所占比例(69.66%)高于非AD组(49.44%),差异均具有统计学意义(p<0.05)。(2)经年龄和性别校正后,AD组的MMSE量表平均得分为(17.64±5.38)分明显低于对照组(26.57±3.63)分(t=21.94,p<0.001);尿AD7C-NTP的含量在AD组的平均值为(1.99±1.94)ng/ml,依然明显高于对照组(0.96±1.31)ng/ml(t=5.57,p<0.001),其ROC曲线下面积为0.851,95%置信区间为0.794-0.907,p<0.001。尿AD7C-NTP的最佳截断点为1.374ng/ml,此时对应的灵敏度与特异度之和最大,分别为77.3%和87.6%。而病例组和对照组间血浆Aβ42、Aβ40以及Aβ42/Aβ40在校正后依然没有表现出明显的差别(p>0.05)。(3)所构建的BP ANN模型输出结果显示,3个量表评分所占的权值最高,均超过了0.1,其中MMSE量表最高,超过了0.2,其次为Mo CA量表,权值为0.1167,ADL量表评分的权值为0.1051。除了量表评分外,年龄因素是重要性评分最高的因素,权值为0.0775,其次为生物学指标尿AD7C-NTP,权值为0.0693。痴呆家族史、文化程度、原职业、体育锻炼/体力劳动的权重均高于0.05,位于其他多维度的因素之前。(4)所得BP ANN模型经过270次左右学习后,网络的误差达到最低,且处于稳定状态,MSE=0.0112988,其用于AD诊断的准确度为96.6%,ROC曲线下面积为0.947(95%CI为0.903-0.991,p<0.001)。结论:(1)城市社区老年人的AD患病风险与年龄因素高度相关,女性患者相对较多,痴呆家族史、文化程度、原职业、体育锻炼以及家庭月收入等多方面的因素均对AD的发生有一定的影响。(2)生物学指标中,尿AD7C-NTP浓度在AD患者与健康人群中差异显著,对于AD的早期诊断具有一定的临床价值。而血浆Aβ42、Aβ40以及他们的比值并未发现与AD的关联,其临床意义有待进一步探讨。(3)构建所得城市社区老年人AD诊断的ANN模型精度和诊断效能均良好且经济易行,可适用于大范围人群的AD筛查。