研究背景:轻度认知障碍(Mild Cognitive Impairment,MCI)阶段作为痴呆症防治的“最佳干预窗口期”,其早期识别有助于及早实施认知功能干预。因此,为了更好的防止MCI的发生发展,明确MCI的危险因素并建立MCI发生风险预测模型,已成为痴呆症防治领域的新课题新方向。研究目的:1.明确社区老年人群MCI发生风险的影响因素;2.构建社区老年MCI发生风险预测的神经网络预测模型;3.依托老年人群MCI发生风险预测模型,瞄准预测因子提出认知管理建议;4.根据预测模型分析的结果,为健康管理相关行政部门政策的制定及社区开展老年人群认知管理提供理论依据;研究方法:1.通过文献回顾法及横断面研究的方法,分析相关文献,梳理并总结MCI发生的各种归因指标;2.釆用多阶段抽样与方便抽样相结合的方法,于2017年12月至2019年10月选取湖州市及赤峰市社区老人1409例,运用一般资料及影响因素调查表、蒙特利尔认知评估量表、日常生活能力量表、老年抑郁量表及全面衰退量表对社区老人的认知功能及相关因素进行调查;采用t检验、卡方检验、单因素方差分析等统计学方法确定社区老年MCI发生的影响因素及神经网络模型的最终纳入变量;根据神经网络模型的建模原理,构建社区老年MCI发生风险神经网络预测模型。研究结果:1.本研究纳入符合入组及排除标准的老人共计1409人,其中筛查出MCI者1186人。受试者中男性449人(31.90%),女性960人(68.10%);研究对象年龄60~89岁,以60~75岁者居多,共1153例(约82%);初中及以下文化者1348例(96%);职业以体力劳动为主者1170例(83%);2.单因素分析显示,与老年MCI的患病有相关性且统计学意义显著的因素有:居住地、性别、年龄、受教育程度、职业性质、居住情况、月收入、吸烟情况、饮酒情况、痴呆症家族史、社交活动、认知活动、合并病、代谢障碍、认知活动数目、体育锻炼数目、社交活动数目。3.构建BP神经网络模型:抽取训练组1127人,测试组282人,各危险因素在两组内的分布较为均匀,两组间基本同质,可比性好。将训练数据按照7:3的比例分为训练数据、验证数据。用R中的neuralnet包来构建BP神经网络,输入层输入神经元的个数与输入变量的个数相同,为17个,隐含层单元数为7,输出层变量一个,是否为MCI,为MCI与非MCI。构建BP神经网络结果显示,MCI发生风险影响因素重要性排名前五的依次是年龄76~80岁(100.00%),农村居住地(100.00%),不进行社交活动(100.00%),体力劳动(100.00%),不饮酒(94.71%)。模型的预测正确率为93.44%,敏感度与特异度分别为0.96和0.93。将预测值基线资料带入BP神经网络模型来预测人群的患病风险,结果显示,总体来说模型预测的准确率达0.89,F1值为0.60。研究结论:1.通过对社区老人MCI发生风险影响因素分析,本研究纳入建模的变量有:居住地、性别、年龄、受教育程度、职业性质、居住情况、月收入、吸烟情况、饮酒情况、痴呆症家族史、社交活动、认知活动、合并病、代谢障碍、认知活动数目、体育锻炼数目、社交活动数目。其中,BP神经网络模型显示变量重要性排名前五的依次是:年龄76~80岁(100.00%),农村居住地(100.00%),不进行社交活动(100.00%),体力劳动(100.00%),不饮酒(94.71%),以上五个变量对于MCI发生风险的预测具有重要的参考价值。2.本研究将BP神经网络用于MCI发生风险的预测,具有较好的预测能力与判别能力。与传统的预测模型相比,BP神经网络考虑了非线性、共线性等问题,训练模型的预测准确率达93.44%,预测模型的准确率达89.00%,具有较好的拟合能力与预测能力。