《IBRO Neuroscience Reports》：Data-Driven Subtyping of Alzheimer’s Emergency Presentations Using Unsupervised Machine Learning
编辑推荐：
背景：患有阿尔茨海默病（AD）的老年人常因多种共存疾病就诊于急诊科（ED），但AD相关急诊就诊中年龄特异性的多病共患模式尚未完全明确。目的：研究人员旨在利用无监督机器学习和基于热图的诊断分析，识别并描述AD相关急诊就诊中年龄特异性的多病共患亚型。方法：研究人员
背景：患有阿尔茨海默病（AD）的老年人常因多种共存疾病就诊于急诊科（ED），但AD相关急诊就诊中年龄特异性的多病共患模式尚未完全明确。目的：研究人员旨在利用无监督机器学习和基于热图的诊断分析，识别并描述AD相关急诊就诊中年龄特异性的多病共患亚型。方法：研究人员对2022年全国急诊科样本（NEDS）进行了横断面分析。AD相关就诊通过任意诊断字段中的ICD-10-CM G30.x诊断代码识别。研究队列包含125,461次急诊就诊，并按年龄分为四组：60-64岁、65-74岁、75-84岁和≥85岁。对于每个年龄组，将30种最常见的共现诊断转换为二元指标。每个年龄组使用8个簇的KMeans聚类进行基于热图的分型，同时使用均匀流形近似与投影（UMAP）和基于密度的层次空间聚类算法（HDBSCAN）可视化诊断结构。结果：在所有年龄组中均识别出不同的多病共患特征。在60-74岁成人中，簇通常包括精神与代谢疾病，如抑郁、焦虑、糖尿病、慢性肾脏病、物质使用诊断和脱水。在≥75岁成人中，簇更常包括心肾疾病、尿路感染、代谢性脑病、呼吸衰竭、不复苏状态和姑息治疗。队列平均年龄为81.7±7.2岁，62.6%的就诊涉及女性。结论：AD相关急诊就诊中共存疾病的模式随年龄显著不同。60-74岁成人更常表现为精神与代谢组合，而≥75岁成人更常表现为感染、心肾疾病、呼吸衰竭和临终关怀标志。识别这些年龄相关模式可能有助于临床医生在急诊评估AD患者时预测常见护理需求。
**论文解读：基于无监督学习的阿尔茨海默病急诊表现年龄特异性多病共患亚型研究**
**研究背景与问题**
阿尔茨海默病（AD）是老年人急诊科（ED）就诊的重要诱因，尤其在疾病晚期，患者常伴随认知衰退、多病共患及急性照护依赖增加。既往研究虽已识别出AD患者中常见共病（如高血压、糖尿病、尿路感染（UTI）和抑郁），但多数研究孤立地分析这些疾病或采用预设指数（如查尔森共病指数），未能揭示真实急诊场景中诊断的复杂聚类与相互作用。此外，这些模式随年龄增长（从早期认知衰退到终末衰弱）如何演变尚不清楚。为填补这一空白，研究人员开展本研究，旨在通过数据驱动方法系统描述AD相关急诊就诊中的年龄特异性多病共患亚型，以推动个体化与年龄定制的护理策略。论文发表在《IBRO Neuroscience Reports》。
**研究方法概述**
研究人员基于2022年全国急诊科样本（NEDS），纳入125,461次AD相关急诊就诊，按年龄分为60-64岁、65-74岁、75-84岁和≥85岁四组。对每组提取30种最常见共现诊断，构建二元共病矩阵。主要技术方法包括：使用KMeans聚类（k=8）进行基于热图的分型，计算诊断负荷（即簇内诊断出现比例）以识别高负荷条件；采用均匀流形近似与投影（UMAP）进行非线性降维，并结合基于密度的层次空间聚类算法（HDBSCAN）探索诊断结构，作为验证性分析。所有分析在Python 3.10中完成，代码已公开。
**研究结果**
**3.1. 研究人群与人口学及社会经济特征**
研究队列平均年龄81.7±7.2岁，女性占62.6%。年轻组（60-64岁）中黑人比例、Medicaid覆盖率和无家可归者比例较高，而年长组（≥85岁）中女性、Medicare覆盖率和最高收入四分位区域居民比例更高。
**3.2. UMAP-HDBSCAN可视化与内部簇验证**
UMAP-HDBSCAN可视化显示，年轻组诊断共现区域较分离，年长组则更重叠且碎片化，反映随年龄增长多病共患复杂性增加。内部验证指标（如轮廓系数、Calinski-Harabasz指数）支持k=8的选择，但值较低表明簇间分离度有限。
**3.3. 60-64岁成人热图簇特征**
8个簇中7个具有可识别诊断特征：簇0（高血压、COVID-19接触、高脂血症等）；簇1（代谢性脑病、胃食管反流病（GERD）、高血压）；簇2（抑郁、焦虑、物质使用、低钾血症）；簇3（2型糖尿病伴慢性肾脏病（CKD）、高血压伴CKD等）；簇4（脱水、GERD、COVID-19接触）；簇5（姑息治疗、贫血、CKD 3期）；簇6（UTI、房颤、心力衰竭、慢性阻塞性肺疾病（COPD））。
**3.4. 65-74岁成人热图簇特征**
8个簇包括：簇0（高脂血症、药物治疗、高血压）；簇1（抑郁、尼古丁依赖、COVID-19接触）；簇2（脱水、低钠血症、抗凝药使用、GERD）；簇3（糖尿病伴CKD、CKD 3期）；簇4（低钾血症、代谢性脑病、糖尿病伴CKD）；簇5（姑息治疗、贫血、呼吸衰竭）；簇6（房颤、心力衰竭、COPD）；簇7（COVID-19接触、抑郁）。
**3.5. 75-84岁成人热图簇特征**
8个簇包括：簇0（不复苏状态（DNR）、代谢性脑病、COVID-19接触）；簇1（高血压、高脂血症、药物治疗、GERD）；簇2（焦虑、抑郁、尼古丁使用、低钾血症）；簇3（心力衰竭、GERD、COVID-19、代谢性脑病）；簇4（糖尿病伴CKD、CKD 3期、低钾血症）；簇5（房颤、贫血、COPD、短暂性脑缺血发作史）；簇6（姑息治疗、UTI、呼吸衰竭）；簇7（GERD、CKD、抑郁）。
**3.6. ≥85岁成人热图簇特征**
8个簇包括：簇0（低钾血症、COVID-19、DNR、代谢性脑病）；簇1（高血压心脏病伴心力衰竭、糖尿病、高脂血症）；簇2（房颤、GERD、药物治疗）；簇3（糖尿病伴CKD、CKD 3期、抗凝药使用）；簇4（COPD、代谢性脑病、高血压伴CKD、低钾血症）；簇5（UTI、姑息治疗、呼吸衰竭）；簇6（尼古丁依赖、焦虑、甲状腺功能减退）；簇7（COVID-19接触、抑郁、高血压）。
**讨论与结论**
**讨论总结**：
研究揭示了AD相关急诊就诊中多病共患模式的年龄差异。60-74岁组以精神-代谢及早期心肾组合为主，≥75岁组则转向感染相关失代偿、晚期心肾及呼吸疾病、以及护理目标指标。这些模式与年龄相关的生理储备下降和衰弱一致。人口学与社会经济因素（如保险类型、收入、种族）为临床特征提供了背景，但并非因果关系。方法上，本研究通过诊断负荷热图提高了可解释性，但簇间分离度较低提示需将结果视为探索性临床表型而非固定亚型。临床意义方面，精神-代谢型可能提示需关注行为症状、用药及代谢管理，感染-衰弱型则需评估谵妄、脱水及护理目标。未来研究需在独立数据集中验证这些簇，并纳入实验室、功能状态及照护者因素。
**结论翻译**：
总之，本研究在急诊护理中识别出阿尔茨海默病老年患者中不同年龄特异性的多病共患簇。通过基于热图解读簇负荷，研究人员揭示了涵盖精神、代谢、感染及临终领域的综合征特征。这些模式凸显了AD相关急诊表现的异质性，并提供了一种可重复、可扩展的临床分型方法。研究结果为精准分诊、主动护理计划以及急性护理环境中年龄定制痴呆干预的研究开辟了新途径。
