阿尔茨海默病中的离散认知恢复：基于 ADNI 与 NACC 纵向数据的跨队列再分析

引言：连续的认知总分是否能够捕捉与患者相关的转变，还是说认知衰退具有离散结构？ 方法：我们形式化提出了一种离散认知分辨率（DCR）模型，其中认知衰退被表示为二元判别坐标的丧失；模型采用确定性发射机制，将各测验条目绑定到一个共享的低维掩码上。基于原生离散的条目层级数据（ADAS-Cog：688名ADNI参与者；MoCA子条目：13,323名NACC参与者），我们通过样本外对数损失检验预先设定的特征模式，并与连续漂移模型、逐条目模型以及混合效应IRT竞争模型进行比较，同时采用坐标标签置换零假设（S2）进行评估。 结果：DCR优于两个预先设定的基线模型（ADNI：0.436 对 0.965；NACC：0.566 对 0.602）。S2在ADNI中表现出决定性证据（AUC 0.782；零假设 0.529，P

阿尔茨海默病中的离散认知分辨率：ADNI 与 NACC 纵向数据的跨队列再分析 | bioRxiv

跳转至主要内容

首页 关于 投稿 提醒 / RSS 搜索此关键词 高级搜索 新结果

阿尔茨海默病中的离散认知分辨率：ADNI 与 NACC 纵向数据的跨队列再分析

查看 ORCID 资料

Alia Wu

doi： https://doi.org/10.64898/2026.06.18.733215

Alia Wu Risk Efficacy & Redline Rising

在 Google Scholar 上查找该作者 在 PubMed 上查找该作者 在持有人为作者/资助方，其已授予 bioRxiv 永久展示该预印本的许可。 本作品依据 CC-BY-NC-ND 4.0 国际许可协议提供。

返回顶部 上一页 下一页

发布于 2026 年 6 月 23 日。 下载 PDF 补充材料 数据/代码 电子邮件

您的电子邮件 *

您的姓名 *

发送至 *

请输入多个地址，每行一个，或用逗号分隔。

您将通过电子邮件发送以下内容： 《阿尔茨海默病中的离散认知分辨率：ADNI 与 NACC 纵向数据的跨队列再分析》

邮件主题 （您的姓名）已从 bioRxiv 转发了一个页面给您

邮件正文 （您的姓名）认为您可能希望查看 bioRxiv 网站上的此页面。

您的个人留言

验证码 此问题用于测试您是否为人工访客，并防止自动化垃圾信息提交。

分享

《阿尔茨海默病中的离散认知分辨率：ADNI 与 NACC 纵向数据的跨队列再分析》 Alia Wu bioRxiv 2026.06.18.733215； doi： https://doi.org/10.64898/2026.06.18.733215

分享本文： 复制

引文工具

《阿尔茨海默病中的离散认知分辨率：ADNI 与 NACC 纵向数据的跨队列再分析》 Alia Wu bioRxiv 2026.06.18.733215； doi： https://doi.org/10.64898/2026.06.18.733215

---

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.06.18.733215v1?rss=1

🏷️ 阿尔茨海默病 认知衰退 纵向队列 离散认知模型 条目反应理论