机构名称：
¥ 1.0
摘要 酒精使用障碍 (AUD) 康复的预测模型和识别相关的易感生物标志物可以对成瘾治疗结果和降低成本产生巨大影响。我们的样本 (N = 1376) 包括来自酒精中毒遗传学协作研究 (COGA) 的欧洲 (EA) 和非洲 (AA) 血统的个体，他们最初被评估为患有 AUD (DSM-5)，几年后重新评估为患有 AUD 或处于缓解期。为了预测 AUD 康复状态的这种差异，我们使用多模式、多特征机器学习应用程序分析了初始数据，包括 EEG 源级功能性大脑连接、多基因风险评分 (PRS)、药物和人口统计信息。使用监督线性支持向量机应用程序进行性别和血统年龄匹配的分层分析，并计算两次，一次是在通过自我报告定义血统时，一次是通过遗传数据定义。多特征预测模型比基于单一领域的模型获得了更高的准确度分数，而当祖先基于遗传数据时，男性模型的分数更高。具有 PRS、EEG 功能连接、婚姻和就业状况特征的 AA 男性组模型实现了 86.04% 的最高准确度。确定了几个判别性特征，包括与神经质、抑郁、攻击性、受教育年限和饮酒表型相关的 PRS 集合。其他判别性特征包括已婚、就业、用药、较低的默认模式网络和梭状连接以及较高的岛叶连接。结果强调了增加分析群体的遗传同质性、识别性别和祖先特定特征的重要性，以提高揭示与 AUD 缓解相关的生物标志物的预测分数。
预测酒精使用障碍缓解
主要关键词
相关文件推荐
