Development and external validation of a novel dementia risk prediction score in the UK Biobank cohort
Notice bibliographique
Résumé
Abstract Background Globally, up to 40% of dementia cases may be prevented if several key risk factors, such as low education and obesity, are targeted. This has motivated interest into the development of risk scores that aim to quantify an individual’s risk of developing dementia within a given time frame. However, translation to a clinical setting has been hampered by either a lack of external validation, poor out‐of‐sample performance, or the integration of measures (e.g., MRI, cognitive testing) that are costly or time intensive to administer. This study aimed to develop a novel dementia risk score suitable for a primary care setting and compare its discrimination accuracy with other risk scores. Method 208,108 UK Biobank (UKB) participants were examined, with cases of incident dementia (mean time to diagnosis ± SD = 5.91 years ± 2.02) identified through self‐report, hospital inpatient records and death certificates (n = 1,270, 0.6%). The dataset was randomly split into a training (80%) and test set (20%). Potential predictors (n = 30) included Apolipoprotein E4 (APOE4) status and cardiovascular, medical and lifestyle factors collected at baseline. Logistic LASSO regression was employed for variable selection and logistic regression was then used to derive beta coefficients for each predictor included in the UKB dementia risk score (UKB‐DRS). The area under the curve (i.e., AUC) was used to compare the discriminative ability of the UKB‐DRS to the CAIDE, ANU‐ADRI, Dementia Risk Score (i.e., DRS) and Framingham risk score, in both the test set and the Whitehall II study (WHIII, n = 2,974), which served as an external dataset. Result The UKB‐DRS consisted of age, sex, education, APOE4 status, a medical history of diabetes, stroke and depression and a family history of dementia. The UKB‐DRS demonstrated good discrimination accuracy in both the test set (AUC [95% ] = 0.79 [0.77, 0.82]) and external dataset (AUC [95% CI] = 0.83 [0.79,0.87]). Additionally, the UKB‐DRS outperformed all other risk scores (the DRS had the next best AUC [95% CI]: UKB = 0.77 [0.74, 0.8]; WHII = 0.77 [0.73, 0.81]). Conclusion This study contributes a novel dementia risk score that may be used to guide primary prevention strategies.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,012 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».