Går det prediktera demens? : En jämförande studie mellan Logistisk regression, Elastic Net och Random Forests

Sammanfattning: Denna studie tar avstamp i ett tidigare resultat av Boraxbekk et al. (2015) som genom data från Betula-projektet visat att vissa episodiska minnestester tillsammans med ålder ochutbildningsnivå har signifikanta samband med utvecklandet av demenssjukdomar. Syftet med denna studie är att jämföra klassificeringsmetoderna Random Forests, Elastic Net ochLogistisk Regression med avseende på prestationer vid klassificering av demens. I studien undersöks förutom det binära fallet (demens: ja/nej) prediktionsprestationer för utveckling av demens inom tidsspannen 1-10 år och 11-22 år. Detta för att undersöka om tidig diagnostisering av demens skulle vara möjlig. Prestationerna utvärderas även för situationen då de individer som avlidit inom de upp till 22 år de följts utgör en egen klass. Resultatet visar på att ingen av klassificeringsmetoderna presterar väl nog för att möjliggöra prediktion av demens på det givna datamaterialet och att skillnaderna i de resultat som metoderna genererar är väldigt små. Ingen större skillnad kan heller påvisas för prestationerna när tidsaspekten för utvecklandet utesluts. Inte heller kan några förbättringar i prediktion av demens utläsas när de personer som avlidit inom tidsramen för studien kontrollerats för.