Development of a Lasso-Nomogram-Based Risk Prediction Model for Cognitive Frailty in Elderly MHD Patients
Notice bibliographique
Résumé
Introduction: Cognitive frailty is increasingly recognized among older adults receiving maintenance hemodialysis (MHD), yet effective screening tools tailored for this population are lacking. This study aimed to develop a predictive model to identify MHD patients of advanced age who are at high risk for cognitive frailty, thereby facilitating early detection and intervention. Methods: A cross-sectional study was conducted between February and December 2024, enrolling 223 older individuals undergoing MHD at a tertiary hospital in Nanjing, China. Data on demographic and clinical characteristics were collected, along with assessments using standardized instruments, including the Kidney Disease Quality of Life Instrument, Geriatric Depression Scale-5, Subjective Cognitive Decline Questionnaire-9, Montreal Cognitive Assessment, Clinical Dementia Rating, Fried Frailty Phenotype, and Cognitive Reserve Index Questionnaire. Least absolute shrinkage and selection operator (LASSO) regression was used to identify relevant variables, which were subsequently entered into multivariate logistic regression to determine independent risk factors. A nomogram was constructed based on the final model. Results: Cognitive frailty was identified in 85 patients, indicating a prevalence of 38.1%. Eight variables were found to be independent risk factors: serum phosphorus, hemoglobin level, depression score, cognitive reserve, age, dialysis duration, dialysis adequacy (Kt/V), and intradialytic hypotension. The predictive nomogram showed excellent discriminative performance, with an area under the receiver operating characteristic curve of 0.986 (95% confidence interval: 0.970-0.999), sensitivity of 94.9%, and specificity of 97.6%. Decision curve analysis demonstrated favorable clinical utility. Conclusion: Cognitive frailty is prevalent among older patients receiving MHD. The nomogram incorporating eight key variables provides a practical tool for early screening and personalized intervention in this high-risk population.
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 | 0,005 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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 ».