[論文レビュー] Assessing the predictive ability of the UPDRS for falls classification in early stage Parkinson's disease

Sarini Abdullah, Nicole White+3 more|arXiv (Cornell University)|Oct 3, 2019

Parkinson's Disease Mechanisms and Treatments被引用数 4

ひとこと要約

本研究では、早期パーキンソン病における転倒者と非転倒者を分類するための、個々の統合パーキンソン病評価尺度（UPDRS）項目と合成スコアの予測能力を評価する。12か月間の51例の患者を対象に、ロジスティック回帰、意思決定木、ランダムフォレスト、ベイジアンモデル平均化を用いて分析した結果、特に第II部および第III部のUPDRS項目が80％の正確性、85％の感度、77％の特異度を達成し、集約的指標を上回り、早期PDにおける転倒予測に優れた性能を示した。

ABSTRACT

Identification of risk factors associated with falls in people with Parkinson's Disease (PD) is important due to their high risk of falling. In this study, various ways of utilizing the Unified Parkinson's Disease Rating Scale (UPDRS) were assessed for the identification of risk factors and for the prediction of falls. Three statistical methods for classification were considered:decision trees, random forests, and logistic regression. UPDRS measurements on 51 participants with early stage PD, who completed monthly falls diaries for 12 months of follow-up were analyzed. All classification methods applied produced similar results in regards to classification accuracy and the selected important variables. The highest classification rates were obtained from model with individual items of the UPDRS with 80% accuracy (85% sensitivity and 77% specificity), higher than in any previous study. A comparison of the independent performance of the four parts of the UPDRS revealed the comparably high classification rates for Parts II and III of the UPDRS. Similar patterns with slightly different classification rates were observed for the 6- and 12-month of follow-up times. Consistent predictors for falls selected by all classification methods at two follow-up times are: thought disorder for UPDRS I, dressing and falling for UPDRS II, hand pronate/supinate for UPDRS III, and sleep disturbance and symptomatic orthostasis for UPDRS IV. While for the aggregate measures, subtotal 2 (sum of UPDRS II items) and bradykinesia showed high association with fall/non-fall. Fall/non-fall occurrences were more associated with individual items of the UPDRS than with the aggregate measures. UPDRS parts II and III produced comparably high classification rates for fall/non-fall prediction. Similar results were obtained for modelling data at 6-month and 12-month follow-up times.

研究の動機と目的

• 早期パーキンソン病（PD）における転倒予測に、個々のUPDRS項目と集約的指標のどちらがより優れた性能を示すかを評価すること。
• 複数の統計的手法を用いて、転倒分類に最も有用なUPDRS項目およびサブスコアを同定すること。
• 6か月および12か月のフォローアップ期間における、転倒予測モデルの一貫性と安定性を評価すること。
• ロジスティック回帰、意思決定木、ランダムフォレスト、ベイジアンモデル平均化の性能を比較し、転倒リスク分類に適した手法を評価すること。
• 6か月のフォローアップ期間が、12か月のフォローアップと同等の予測能力を有するかどうかを検証すること。

提案手法

• 転倒状態をUPDRSデータから予測するために、ロジスティック回帰、意思決定木、ランダムフォレストの3つの分類手法を適用した。
• ロジスティック回帰モデルの選択には、ステップワイズ選択および対数周辺尤度を用いたベイジアンモデル平均化（BMA）を用いた。
• 意思決定木およびランダムフォレストにおける変数の重要度と分割選択には、ジニ指数基準を用いた。
• モデルの性能評価には、分類正確性、感度、特異度、受信者操作特性（ROC）分析を用いた。
• 6か月および12か月のフォローアップ期間におけるモデルの頑健性と安定性を評価するために、交差検証を実施した。
• 個々のUPDRS項目、サブスコア（例：サブトータル2、ブリンキネジア）および全部（I–IV）を比較し、最適な予測子を同定した。

実験結果

リサーチクエスチョン

• RQ1 早期パーキンソン病における転倒予測の分類正確性を高めるために、個々のUPDRS項目と集約的スコアのどちらが優れているか。
• RQ2 複数の統計モデルにわたって一貫して予測力が高い特定のUPDRS項目は何か。
• RQ3 6か月と12か月のフォローアップ期間における分類性能指標（正確性、感度、特異度）に差異は認められるか。
• RQ4 意思決定木、ランダムフォレスト、ロジスティック回帰、ベイジアンモデル平均化の各手法が、転倒予測において同等の結果をもたらすか、あるいは相違する結果を示すか。
• RQ5 6か月のフォローアップ期間が、早期PDにおける転倒リスク評価に十分な予測情報を提供できるか。

主な発見

• 最高の分類正確性80％（感度85％、特異度77％）は、個々のUPDRS項目を用いることで達成され、これまでは報告されていない結果を上回った。
• UPDRS第II部および第III部が最も高い分類率を示し、第III部では71–79％の正確性と73–83％の感度を示した。
• すべてのモデルおよびフォローアップ期間において一貫して予測力の高かった項目は、思考障害（UPDRS I）、着替えおよび転倒（UPDRS II）、手の前腕回旋（UPDRS III）、睡眠障害および症状性起立性低血圧（UPDRS IV）であった。
• サブトータル2（UPDRS II項目）やブリンキネジアといった集約的指標も転倒状態と強く関連していたが、個々の項目に比べてやや低い予測性能を示した。
• 6か月と12か月のフォローアップ期間における分類性能に有意差は認められず、6か月のフォローアップが転倒リスク評価に十分である可能性を示唆した。
• しばしば無視されがちなUPDRS IVは、高い純度とオッズ比＞1を示し、交差検証での安定性が低くても、予測に有意義な貢献をしていることが示された。