Un modello di apprendimento automatico per prevedere il miglioramento cognitivo dopo la terapia con agopuntura a grappolo sul cuoio capelluto in pazienti con lieve compromissione cognitiva post-ictus
Titolo originaleA machine learning model for predicting cognitive improvement after scalp cluster needling therapy in patients with post-stroke mild cognitive impairment.
Frontiers in neurology · 2026
Sintesi in italiano
Questo studio retrospettivo ha sviluppato e validato internamente un modello di machine learning per prevedere il miglioramento cognitivo dopo un mese di terapia con agopuntura a grappolo sul cuoio capelluto con ritenzione prolungata dell'ago (SCNT-PR) in pazienti con lieve compromissione cognitiva post-ictus (PSCI-MCI). Sono stati inclusi 750 pazienti ricoverati tra il 2010 e il 2023, divisi in un campione di addestramento (526) e uno di validazione (224). I dati di base comprendevano variabili demografiche, fattori di rischio vascolari, severità dell’ictus, caratteristiche di imaging, valutazioni cognitive e funzionali, indicatori emotivi e del sonno, variabili di trattamento e indagini di laboratorio. L’outcome primario era definito come un incremento di almeno due punti nel punteggio corretto del Montreal Cognitive Assessment (MoCA) dopo il trattamento rispetto al basale. Mediante LASSO e algoritmo Boruta sono stati identificati sette predittori principali. Tra i modelli testati, LightGBM ha mostrato la migliore performance con un'area sotto la curva ROC di 0.759, buona calibrazione e vantaggi clinici evidenziati dall’analisi decisionale. L’interpretazione con SHAP ha indicato come fattori predittivi chiave il punteggio MoCA basale, gli anni di istruzione, la gravità dell’ictus, l’autonomia nelle attività quotidiane, l’età, la lesione frontale e la presenza di diabete. I limiti includono la natura retrospettiva e la necessità di validazione esterna. Il modello offre un supporto preliminare per la stratificazione dei pazienti e una valutazione clinica personalizzata.
Sintesi generata con IA. Verifica metodi, risultati e limiti nella pubblicazione originale.
Abstract e pubblicazione originale
L’abstract è consultabile nella fonte originale. Non viene ripubblicato qui perché non risulta verificata una licenza compatibile.
Leggi nella fonte originale ↗Parole chiave
Come citare questo studio
Yican Hao, Xia Wei, Pingli Zhao, Hewei Qin. (2026). A machine learning model for predicting cognitive improvement after scalp cluster needling therapy in patients with post-stroke mild cognitive impairment.. Frontiers in neurology. DOI: 10.3389/fneur.2026.1884682
Consulta la pubblicazione originale ↗