Machine learning analyses identify multi-modal frailty factors that selectively discriminate four cohorts in the Alzheimer’s disease spectrum: a COMPASS-ND study

Guardat en:

Bohn, L., et al., Machine learning analyses identify multi-modal frailty factors that selectively discriminate four cohorts in the Alzheimer’s disease spectrum: a COMPASS-ND study. BMC Geriatrics, n. 837, 2023, 18 p.

Ref. 595806

Localització: SIIS Archivo

Descargar documento

Palabras clave:
Personas mayores, Dependencia, Demencia, Enfermedad de Alzheimer, Predicción, Nuevas tecnologías, Deterioro cognitivo, Calidad de vida, Síntomas, Evolución enfermedad, Factor de riesgo, Canadá

Resum:
Los indicadores de fragilidad pueden operar en amalgamas dinámicas de condiciones de enfermedad, síntomas clínicos, biomarcadores, señales médicas, características cognitivas, e incluso creencias y prácticas de salud. Este estudio es el primero en evaluar cuáles, entre estos múltiples indicadores relacionados con la fragilidad, son predictores importantes y diferenciales de cohortes clínicas que representan la progresión a lo largo del espectro de la enfermedad de Alzheimer (EA). Aplicamos tecnología de aprendizaje automático a dichos indicadores para identificar los principales predictores de tres cohortes del espectro de la EA; a saber, deterioro cognitivo subjetivo, deterioro cognitivo leve y EA. El punto de referencia común fue una cohorte de adultos mayores sin deterioro cognitivo.

Ítems similars: Machine learning analyses identify multi-modal frailty factors that selectively discriminate four cohorts in the Alzheimer’s disease spectrum: a COMPASS-ND study