基于 LASI 与 LASI-DAD harmonized 数据的痴呆多域分类模型

时间标签：数据日期 2026-11-01 · 生成时间 2026-11-02 05:30（Asia/Shanghai）｜ 速递位置 观察哨 02 ｜ 解读层级 **全文级（已核至 Abstract / Results）**　**评级 B**

文献卡片

• 标题（原文）：A Multidomain Model for Dementia Classification using Harmonized LASI and LASI-DAD Data
• DOI：`10.64898/2026.06.13.26354833`（medRxiv **v2**，2026-11-01）
• 作者 / 通讯 / 单位：Anand S、Miyapuram K；通讯 **Shweta Anand**；Indian Institute of Technology Gandhinagar
• 学科类目 / 研究类型：public and global health ／ 横断面多域分类建模 + 嵌套交叉验证
• 溯源状态：✅ **medRxiv v2 全文 PDF 已获取并独立复核**：1,295,331 B、**21 页**、`%PDF-` 头 + `pdftotext` 文本层核验通过；本页定量**已在正文 ABSTRACT / Results（含 3.3–3.5 节）逐段核对**
• 样本：**LASI-DAD Wave 1 共 2,528 名受访者**；痴呆定义为**临床共识 CDR ≥ 1（192 例，7.6%）**
• 预测因子：**8 项认知测验** + **16 项 IQCODE（知情者问卷，由亲属比较当前与十年前的日常功能）** + 年龄/性别/教育；在 **1,788 名有血液结果者**中额外评估 **10 项心血管代谢检测**
• 算法：logistic 回归／随机森林／梯度提升／XGBoost／SVM，用**嵌套交叉验证（5 外层、3 内层）**比较，随机种子固定 42
• 评估：判别（ROC-AUC、配对 bootstrap 差）、校准（截距/斜率/Brier）、**决策曲线净获益**；**排列重要性 + SHAP** 解释预测因子；遵循 **TRIPOD+AI** 报告规范

|---| ---

研究问题

在印度这类教育/识字/语言差异极大的异质人群里，单靠认知测验阈值做痴呆分类不可靠（成绩同时被神经退行与教育背景塑造）。问题：叠加知情者报告、社会人口学与心血管代谢信息能否提升判别？如果能，增益来自哪个域？

方法（全文核实）

| 要素｜细节 | |---|---|

核心结论（定量，v2 全文）

判别与校准：

Logistic 回归 ROC-AUC = 0.953（95% CI 0.937–0.966），校准截距 0.00、校准斜率 1.11、Brier 0.037；RF/GB/XGBoost 相近（0.946–0.947）；

领域增量分解（这篇的真正看点）：

仅认知测验 AUC = 0.899（95% CI 0.877–0.919）；

加 IQCODE → 0.951，配对差 +0.052（95% CI 0.038–0.067），平均精确度从 0.489 升至 0.713；

加社会人口学（年龄/性别/教育）+0.0020（−0.00004–0.0040）；

加 10 项心血管代谢检测 +0.0032（−0.0004–0.0073）；

总增益 0.054 中，96.3% 来自 IQCODE。

操作特征与临床效用：

训练导出阈值下敏感度 0.875、特异度 0.902、PPV 0.422、NPV 0.989；

决策曲线：在 0.01–0.50 全阈值区间净获益优于"全部转诊/全部不转诊"；阈值 0.10 时净获益 0.058（全部转诊为 −0.027）；

风险分层：观察患病率从极低层的 2.1% 升至极高层的 93.5%；最高两层仅含 102 人（4.0% 样本）却覆盖 85/192 例（44.3%）；极低层含 89.2% 参与者、48 例（25.0% 全部病例）；

SMOTE 过采样不改变判别力（0.952），但把平均预测风险抬到 21.2%（实际 7.6%）。

预测因子贡献（排列重要性 / SHAP 一致）：

IQCODE 排列重要性最大，平均 ROC-AUC 下降 0.129；其次定向力 0.042、执行功能复合 0.011；其余所有预测因子置换后降幅 ≤ 0.002；

未惩罚模型的校正 OR（每 SD）：IQCODE 4.77（95% CI 3.73–6.08）、定向力 0.34（0.25–0.46）、执行复合 0.43（0.27–0.70）；年龄 1.22（1.01–1.47）、教育年限 1.60（1.08–2.38）；

词语回忆、故事回忆、画钟、动物流畅性、记忆复合与性别均不显著。

局限（作者自陈，必须原样保留）

标签泄漏：临床参考标准（CDR 共识判定）本身就纳入了同样的知情者报告与认知信息，因此 AUC 0.953 不能读作"一个独立可用的筛查工具"；

做的是判别，不是患病率估计：SMOTE 实验正好演示了这一点；

横断面设计，无法建立时序（IQCODE 问的是"相对十年前的变化"，本身就含回顾性）；

需外部验证；

单一国家队列（印度），向他国人群外推需谨慎。

对我的价值

操作性结论只有一条，但很实用：在资源有限的异质老年人群里，最低成本、最高边际收益的判别信息是"知情者报告的认知下降"，而心血管代谢标志物几乎没有增量。 对做人群队列认知终点判定的人有直接参考价值：如果预算只允许加一项测量，加 IQCODE（16 项、几分钟、无需采血）而不是加血检。同时"血检标志物对痴呆判别几乎零增量"这个阴性结果，对当前热衷血浆 p-tau/Aβ42 的人群筛查叙事是一条重要的降温证据——至少在这个结局定义（临床 CDR）与这个人群里是这样。

待补

1. 外部验证（作者明确要求）； 2. 与血浆 AD 生物标志物（p-tau217 等）的头对头比较——本文只测了常规心血管代谢指标； 3. 纵向版本：IQCODE 是否能预测未来痴呆发病而非当前状态； 4. 全文 Table 3/Table 4 完整数值（本页已核主要数字，未逐行转录）。 --- > ⚠️ 预印本声明：本文为预印本，未经同行评审，结论可能在正式发表时变更。本页为全文级解读（v2）。 > ⚠️ 版本教训：v1（2026-06-24）与 v2（2026-11-01）不是同一版分析（样本 3,186 → 2,528，AUC 0.932 → 0.953，阈值/敏感度/特异度/PPV 均不同）。引用必须注明 v2。 > 溯源：medRxiv 全文 PDF（v2，21 页，1,295,331 B）；DOI 。

来源：IMA 知识库《元层·预印本全文级解读_2026-11-02》（自动化任务 12819187 产物） · 速递位置 观察哨 02 · DOI 10.64898/2026.06.13.26354833