摘 要: | 目的基于外周血液分析物网络特征, 构建临床高危(CHR)人群向精神病性症状转化的预测模型。方法选取2021年5月至2022年5月温州医科大学附属康宁医院收治的50例首发精神分裂症(FES)患者作为观察组, 同期50例临床高危(CHR)人群作为对照组。两组均留存外周血液标本并采用Luminex平台液相芯片多因子检测、Bioplex技术测定及机器学习技术将多类别血液标志物建立样本数据库。观察组症状严重程度采用阳性-阴性症状量表(PANSS)进行评估, 对照组症状严重程度采用总体功能评定量表(GAF)和思维、言语和交流综合评定量表(TLC), 两组患者认知功能均采用MATRICS认知成套测验(MCCB)评估。应用XGBoost算法进行建模, 以"转化型0-不转化型1"作为目标变量, 带入一般资料、临床评估量表数据、血样数据, 应用5折交叉验证法获取重要变量(重要性得分>0分), 综合其权重和阈值, 对数据进行构建关联分析及决策树, 构建基于外周血液标志物网络矩阵的高危个体转化预测模型。结果与对照组比较, 观察组MCCB各项得分(处理速度、注意警觉、工作记忆、语言记忆、视觉记忆和推理能力...
|