2024 Fiscal Year Annual Research Report
Machine learning models for predicting cognitive decline based on long-term longitudinal data
| Project/Area Number |
22K10074
|
|---|
| Research Institution | Osaka University |
|---|
Principal Investigator |
高橋 利士 大阪大学, 大学院歯学研究科, 招へい教員 (70610864)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
野崎 一徳 大阪大学, 歯学部附属病院, 准教授 (40379110)
豆野 智昭 大阪大学, 大学院歯学研究科, 助教 (50845922)
八田 昂大 大阪大学, 大学院歯学研究科, 招へい教員 (60845949)
|
|---|
| Project Period (FY) |
2022-04-01 – 2025-03-31
|
| Keywords | 高齢者 / 認知機能 |
|---|
| Outline of Annual Research Achievements |
過去2年と同様の参加者を対象として，本年度は連続変数として投入可能な変数についてはカットオフ値によるカテゴリー変数化を行わず，カテゴリー変数と連続変数が混在した状況での予測モデルを作成した．各因子においてカテゴリー変数に変換したものは，歯周病の状態（4㎜以上の歯周ポケットなし，あり），性別（男性，女性），年齢（70歳，80歳），喫煙状況（喫煙あり，なし），飲酒状況（あり，なし），居住状況（同居者あり，なし），近所付き合い（あり，なし），認知機能（MoCA-J値22以上，22未満），連続変数：残存歯数，最大咬合力，教育歴，収縮期血圧値，糖尿病（HbA1c値），精神健康状態（WHO5値），心理状態（GDS5値）であった．上記以外の変数については，昨年度と同様に連続変数の状態で使用した.また，各データにおける欠損値の補完については，MisForestを用いて行った．
本年度の予測モデルは，認知機能の低下を目的変数とし，前述のカテゴリー変数，連続変数をそれぞれの説明変数とし，Artificial Neural Network, Logistic Regression, Support Vector Machine, Naive Bays, K近傍法，K平均法，Gradient Boost, XGBoost, Random Forest, Light GBMの10種類のアルゴリズムを用いた予測を行い，最もAUC値が高いアルゴリズムを使用したモデルを最終的な認知機能予測モデルとした．その結果，AUC値が最も大きいモデルはLogistic Regression(AUC=0.69)を使用した場合であった．
また，本知見を基にした293名における多変量回帰分析の結果，緑黄色野菜と肉類の摂取量は歯の数に影響され，これらが認知機能に関連していることが示された．
|
