नए मनोभ्रंश जोखिम कारकों को उजागर किया

एक बड़े और व्यापक डेटाबेस का उपयोग करते हुए, शोधकर्ता उन कारकों के नए संयोजन का पता लगाते हैं जो जीवन में बाद में मनोभ्रंश के जोखिम को बढ़ाते हैं। निष्कर्ष चिकित्सकों को जोखिम वाले लोगों को हाजिर करने में मदद कर सकते हैं।

उन्नत सांख्यिकीय विधियाँ मनोभ्रंश जोखिम कारकों में नई अंतर्दृष्टि प्रदान करती हैं।

मनोभ्रंश एक बढ़ती हुई चिंता है। क्योंकि जनसंख्या बढ़ती जा रही है और लंबे समय तक जीवित रहना आदर्श बनने लगा है, यह समझने की दौड़ है कि मनोभ्रंश क्यों होता है।

दुनिया भर में, मनोभ्रंश विकलांगता और पुराने वयस्कों में निर्भरता का प्रमुख कारण है।

संयुक्त राज्य में, 5.7 मिलियन लोग अल्जाइमर के साथ रह रहे हैं, जो मनोभ्रंश का सबसे आम रूप है। 2050 तक, यह आंकड़ा बढ़कर 14 मिलियन हो जाने का अनुमान है।

वर्तमान में, कोई प्रभावी उपचार नहीं हैं, इसलिए यदि हम इसे कली में डुबाना चाहते हैं, तो योगदान करने वाले कारकों को समझना आवश्यक है।

डेटा को खोलना

इन स्थितियों के विकास में कौन से कारक शामिल हैं, यह समझने के लिए धक्का के हिस्से के रूप में, वैज्ञानिक उत्सुकता से सभी उपलब्ध डेटासेट में गोता लगा रहे हैं। यह आबादी के डेटा के बड़े पूल को विच्छेदित करने से ही स्पष्ट पैटर्न उभरने लगते हैं।

ऐसा ही एक डेटा स्रोत फ्रामिंघम हार्ट स्टडी (एफएचएस) है, जो 1948 में शुरू हुआ था। आज तक, इसमें प्रतिभागियों की तीन पीढ़ियों का पालन किया गया है, और इसका प्राथमिक कार्य उन सामान्य कारकों को देख रहा है जो हृदय रोग में योगदान करते हैं।

मैसाचुसेट्स में बोस्टन यूनिवर्सिटी स्कूल ऑफ मेडिसिन के शोधकर्ताओं ने हाल ही में एफएचएस के हिस्से के रूप में एकत्र किए गए आंकड़ों के धन का लाभ उठाया। लेखक रोडा एयू, पीएचडी। - शरीर रचना विज्ञान और न्यूरोबायोलॉजी के एक प्रोफेसर - उनके अध्ययन का उद्देश्य बताते हैं:

"परिवर्तनीय जोखिम कारकों पर ध्यान केंद्रित करके, हम रोग जोखिम कारकों की पहचान करने की उम्मीद कर रहे हैं जो परिवर्तन के लिए उत्तरदायी हैं, मनोभ्रंश को रोकने की संभावना को सक्षम करते हैं।"

उनके नए विश्लेषण ने सबसे पहले मशीन सीखने के दृष्टिकोण का उपयोग करने के लिए जोखिम कारकों की एक स्पष्ट तस्वीर उत्पन्न करने के लिए किया था जो मनोभ्रंश में योगदान करते हैं। मशीन लर्निंग उन्नत सांख्यिकीय तकनीकों का उपयोग करता है जो कंप्यूटर सिस्टम को विशेष रूप से प्रोग्राम किए बिना डेटा के साथ "सीखने" की अनुमति देता है।

दूसरे शब्दों में, सिस्टम डेटा को देखने से सीखते हैं और मनुष्यों को उनकी "विचार" प्रक्रिया को निर्देशित करने की आवश्यकता के बिना पैटर्न को स्पॉट कर सकते हैं।

मशीन लर्निंग डिमेंशिया का निरीक्षण करता है

शोधकर्ताओं ने 1979-1983 में लिए गए डेटा का उपयोग किया, और वे जनसांख्यिकी और जीवन शैली के बारे में जानकारी के लिए विशेष रूप से रुचि रखते थे। उनके परिणाम हाल ही में प्रकाशित हुए थे अल्जाइमर रोग के जर्नल.

अप्रत्याशित रूप से, उम्र एक महत्वपूर्ण जोखिम कारक के रूप में उजागर हुई थी। हम उम्र के रूप में, मनोभ्रंश के विकास की संभावना बढ़ जाती है, और यह लंबे समय से ज्ञात है। हालाँकि, लेखकों ने डेटा में छिपे अन्य महत्वपूर्ण रिश्तों को पाया, जैसा कि वे बताते हैं:

"विश्लेषण ने, विधवा की वैवाहिक स्थिति, कम बीएमआई, और मनोभ्रंश के जोखिम कारकों के रूप में मिडलाइफ़ में कम नींद की पहचान की।"

उन्हें उम्मीद है कि परिणाम फ्रंटलाइन चिकित्सकों और बड़े पैमाने पर आबादी दोनों के लिए उपयोगी होंगे। उदाहरण के लिए, यदि एक बूढ़ा रिश्तेदार विधवा और कम वजन का है, तो यह पागलपन के शुरुआती लक्षणों के लिए सावधानीपूर्वक निगरानी रखने के लिए विवेकपूर्ण हो सकता है।

प्रो। एयू कहते हैं, "हम जानकारी की पहचान करना चाहते थे कि किसी भी चिकित्सक या गैर-चिकित्सक के पास मनोभ्रंश के लिए संभावित बढ़े हुए भविष्य के जोखिम का निर्धारण करने में आसान पहुंच है।"

"अधिकांश डिमेंशिया स्क्रीनिंग टूल के लिए विशेष प्रशिक्षण या परीक्षण की आवश्यकता होती है," वह आगे कहती हैं, लेकिन स्क्रीनिंग के लिए फ्रंट लाइन प्राथमिक देखभाल चिकित्सक या परिवार के सदस्य हैं। यह भी जोखिम कारकों की पहचान करने के लिए मशीन सीखने के तरीकों को लागू करने का एक प्रारंभिक प्रयास था। ”

अब, मनोभ्रंश की लागत प्रति वर्ष $ 150 बिलियन से अधिक है, और इसलिए धीरे-धीरे बढ़ती समस्या को रोकने के तरीके खोजना महत्वपूर्ण है। ये निष्कर्ष नई अंतर्दृष्टि और मनोभ्रंश के भविष्य के प्रभाव को कम करने की क्षमता प्रदान करते हैं।

जैसा कि लेखक लिखते हैं, "जनसांख्यिकी और जीवन शैली के कारक जो गैर-आक्रामक और लागू करने के लिए सस्ती हैं, का मूल्यांकन मिडलाइफ़ में किया जा सकता है और देर से वयस्कता में मनोभ्रंश के जोखिम को संभावित रूप से संशोधित करने के लिए उपयोग किया जाता है।"

मनोभ्रंश के पीछे जोखिम कारकों को समझना समाज को उस नुकसान को कम करने में मदद कर सकता है जो इसे पैदा कर सकता है।