论文部分内容阅读
目的探索以血管性高危因素构建的机器学习模型早期预测血管性认知障碍的预测性能。方法2020年4月至9月,收集本院住院患者及陪护人员70例的人口学资料、血管性高危因素,行蒙特利尔认知评估量表(MoCA)评估,根据评估结果将受试者分为正常组、血管性轻度认知障碍(VaMCI)组和痴呆组;单因素方差分析筛选组间存在显著性差异的血管性高危因素,采用支持向量机(SVM)和极限学习机(ELM)构建预测模型;采用接受者操作特征曲线比较两种模型的预测性能。结果根据MoCA评估结果,正常组32例,VaMCI组23例,痴呆组15