NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Parkinson hastalığı (PD) hastaları arasında bilişsel bozukluğun sistematik bir inceleme ve meta-analiz yoluyla tespit edilmesinde makine öğrenimi destekli manyetik rezonans görüntülemenin (MRI) tanısal doğruluğunu değerlendirmek. Hafif bilişsel bozukluğu (PD-MCI) olan PD tanısı için MRI verilerine makine öğrenme algoritmalarını uygulayan çalışmaları sistematik olarak araştırdık. Veriler, birikmiş duyarlılık, özgüllük, pozitif olasılık oranı (PLR) ve negatif tanı olasılığı oranı (NLR) ve tanı oranları (DOR) hesaplamak için çıkarıldı ve sentezlendi. İstatistiksel analiz için iki değişkenli rastgele etki modeli ve özet alıcısı çalışma karakteristikleri (SROC) eğrileri kullanılmıştır. Çalışmaların kalitesi Tanısal Doğruluk Çalışmaları Kalite Değerlendirmesi (QUADAS-2) aracı kullanılarak değerlendirildi. Yayın yanlılığı Deeks'in huni arsası aracılığıyla araştırıldı. Tüm istatistiksel analizler Stata 14.0 kullanılarak yapılmıştır. Makine öğrenimi destekli MR kullanarak PD-MCI tanısı için birleştirilmiş hassasiyet ve özgüllük sırasıyla 0.82 (%95 CI: 0.75-0.87) ve 0.81 (%95 CI: 0.73-0.87) idi. PLR 4.28 (%95 CI: 2.93-6.27) ve NLR 0.23 (%95 CI: 0.16-0.32) idi, bu da yüksek tanı doğruluğunu gösterir. SROC için eğrinin (AUC) altındaki alan 0.85 (%95 CI: 0.82-0.88) idi. QUADAS-2 aracını kullanan kalite değerlendirmesi, çalışmalar arasında ağırlıklı olarak düşük bir önyargı riski gösterdi ve Deeks'in huni arsası önemli bir yayın yanlılığı önermedi (p=0.30). Özetle, PD-MCI tanısı için makine öğrenimi ile birleştirilen MRI, %82'lik havuzlu hassasiyet ve %81'lik özgüllük ile yüksek doğruluk elde etti.
Özgün kaynak özetini okuyun
To evaluate the diagnostic accuracy of machine learning-assisted magnetic resonance imaging (MRI) in detecting cognitive impairment among Parkinson's disease (PD) patients through a systematic review and meta-analysis. We systematically searched for studies that applied machine learning algorithms to MRI data for diagnosing PD with mild cognitive impairment (PD-MCI). Data were extracted and synthesized to calculate pooled sensitivity, specificity, positive likelihood ratio (PLR) and negative diagnostic likelihood ratio (NLR), and diagnostic odds ratios (DOR). A bivariate random-effects model and summary receiver operating characteristic (SROC) curves were employed for statistical analysis. The quality of studies was assessed using the Quality Assessment of Diagnostic Accuracy Studies (QUADAS-2) instrument. The publication bias was investigated through Deeks' funnel plot. All statistical analyses were conducted using Stata 14.0. The pooled sensitivity and specificity for diagnosing PD-MCI using machine learning-assisted MRI were 0.82 (95% CI: 0.75-0.87) and 0.81 (95% CI: 0.73-0.87), respectively. The PLR was 4.28 (95% CI: 2.93-6.27), and the NLR was 0.23 (95% CI: 0.16-0.32), indicating a high diagnostic accuracy. The area under the curve (AUC) for the SROC was 0.85 (95% CI: 0.82-0.88). Quality assessment using the QUADAS-2 tool showed a predominantly low risk of bias among the studies, and the Deeks' funnel plot suggested no significant publication bias (p=0.30). In summary, the MRI combined with machine learning for diagnosing PD-MCI achieved high accuracy with the pooled sensitivity of 82% and specificity of 81%.
Bilimsel değerlendirme
Araştırma sorusu
Sorunun kapsamı orijinal çalışma üzerinden değerlendirilir.
Yöntem ve örneklem
Çalışma tasarımı ve örneklem için kaynak makaleyi kontrol edin.
Temel bulgular
Bu kayıt için editoryal olarak onaylanmış bulgu özeti henüz yayımlanmadı.
Sınırlılıklar
Sonuçların genellenebilirliği, yanlılık ve klinik anlamı ayrıca incelenmelidir.
Bibliyografik veriden yöntem, örneklem veya klinik sonuç çıkarımı yapılmaz.