EUVIMEDEUVIMED entdecken
Systematische ÜbersichtOpen Access · CC BY 4.0

Limited generalizability and high risk of bias in multivariable models predicting conversion risk from mild cognitive impairment to dementia: A systematic review

Begrenzte Generalisierbarkeit und hohes Verzerrungsrisiko in multivariablen Modellen zur Vorhersage des Konversionsrisikos von leichter kognitiver Störung zu Demenz: systematische Übersicht

Robin Jeanna Vermeulen iD, Vebjørn Andersson, Jimmy Banken, Gerjon Hannink, Tim Martin Govers, Maroeska Mariet Rovers, Marcel Gerardus Maria Olde Rikkert

Alzheimer's & Dementia · 2025-04 · 21 (4)

DOI: 10.1002/alz.70069 ↗

Auf einen Blick

Die systematische Übersicht zeigt: Viele Modelle prognostizieren die Konversion von MCI zu Demenz mit teils guter Leistung, aber meist mit hohem Bias-Risiko und ohne externe Validierung.

Fragestellung

Wie gut sind multivariable Vorhersagemodelle für die Konversion von leichter kognitiver Störung (MCI) zu Demenz und wie hoch ist ihr Bias-Risiko?

Methode

Systematische Übersicht; Suche in PubMed und Embase von Beginn bis 18. Januar 2024; Bewertung von Prädiktoren, Vorhersageleistung, Bias-Risiko und Generalisierbarkeit.

Ergebnisse

62 Studien eingeschlossen: 41 Machine-Learning-Modelle, 11 Regressionsmodelle und 5 Disease-State-Indexes. AUC 0,58–0,98, Accuracy 66,1–96,3 %. 47 Studien ohne externe Validierung.

Einschränkungen

Die meisten Studien hatten ein hohes Verzerrungsrisiko; externe Validierung fehlte in 47 Studien.

Schlussfolgerung der Autor:innen

Derzeit steht kein hoch valides Vorhersagemodell für das Konversionsrisiko von MCI zu Demenz zur Verfügung, wegen begrenzter Generalisierbarkeit und hohem Bias-Risiko.

Kernaussagen

  • 62 Studien zu Modellen für MCI-zu-Demenz-Konversion
  • AUC 0,58–0,98; Accuracy 66,1–96,3 %
  • Meist hohes Bias-Risiko und fehlende externe Validierung

Deutsche Zusammenfassung: KI-gestützt aus dem Original-Abstract erstellt; alle Zahlen wurden automatisch mit dem Original abgeglichen. Maßgeblich ist der Original-Abstract.

Kurz gefasst

Systematische Übersicht in der Zeitschrift Alzheimer's & Dementia, online erschienen am 06.04.2025. Verfasst von Robin Jeanna Vermeulen und 6 weiteren Autor:innen. Beteiligte Einrichtung: Department of Medical Imaging, Radboud University Medical Centre, Nijmegen, The Netherlands. Hauptthemen laut MEDLINE: Cognitive Dysfunction, Dementia. Die Arbeit wurde bisher 25-mal zitiert (Crossref) und nennt 110 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0). Gefördert von: European Union's Horizon 2020.

Auf einen BlickAbstractSchlagwörterBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Prediction models have been developed to identify mild cognitive impairment (MCI) cases likely to convert to dementia. This systematic review summarizes multi‐source prediction models for MCI to dementia conversion. PubMed and Embase were searched for model development and validation studies from inception up to January 18 2024. Models were assessed for included predictors, predictive performance, risk of bias, and generalizability. 62 studies were included: 41 machine learning models, 11 regression models, and 5 disease state indexes. The number of predictors in the models ranged from 2 to 60; magnetic resonance imaging (MRI) and cognitive scores were the most common sources. Performance measures indicate reasonable predictive capabilities (area under the curve [AUC] range: 0.58–0.98, accuracy range: 66.1–96.3%); however, most studies are at high risk of bias and 47 studies lack external validation. Currently, no highly valid prediction model is available for MCI to dementia conversion risk due to limited generalizability and high risk of bias in most studies. Highlights Numerous models have been developed to predict the likelihood of conversion to dementia in individuals with MCI. Prediction models seem to have a reasonably good performance in predicting conversion to dementia, however, external validation and generalizability is often lacking. There is no prediction model available with a low risk for bias and that has been externally validated to accurately predict the risk of MCI to dementia conversion. For MCI to dementia conversion prediction models, more emphasis should be directed towards external validation, generalizability, and clinical applicability.

Schlagwörter

MeSH-Schlagwörter (MEDLINE)

Cognitive DysfunctionDementiaHumansDisease ProgressionMachine LearningMagnetic Resonance ImagingBias

Stichwörter der Autor:innen

Alzheimer's diseasedementiamild cognitive impairmentprediction modelrisk predictionsystematic review

Autor:innen und Institutionen

  • Department of Medical Imaging, Radboud University Medical Centre, Nijmegen, The Netherlands.
  • Department of Neurology, Oslo University Hospital, Oslo, Norway.
  • Radboudumc Alzheimer Centre, Department of Geriatrics, Radboud University Medical Centre, Nijmegen, The Netherlands.

ORCID-Profile: Robin Jeanna Vermeulen

Förderung

  • European Union's Horizon 2020

Zitieren

APA

Vermeulen, R. J., Andersson, V., Banken, J., Hannink, G., Govers, T. M., Rovers, M. M., & Rikkert, M. G. M. O. (2025). Limited generalizability and high risk of bias in multivariable models predicting conversion risk from mild cognitive impairment to dementia: A systematic review. Alzheimer's & Dementia, 21(4). https://doi.org/10.1002/alz.70069

Vancouver

Vermeulen RJ, Andersson V, Banken J, Hannink G, Govers TM, Rovers MM, et al. Limited generalizability and high risk of bias in multivariable models predicting conversion risk from mild cognitive impairment to dementia: A systematic review. Alzheimer's & Dementia. 2025;21(4). doi:10.1002/alz.70069

BibTeX
@article{Vermeulen2025,
  author = {Vermeulen, Robin Jeanna and Andersson, Vebjørn and Banken, Jimmy and Hannink, Gerjon and Govers, Tim Martin and Rovers, Maroeska Mariet and Rikkert, Marcel Gerardus Maria Olde},
  title = {Limited generalizability and high risk of bias in multivariable models predicting conversion risk from mild cognitive impairment to dementia: A systematic review},
  journal = {Alzheimer's & Dementia},
  year = {2025},
  volume = {21},
  number = {4},
  doi = {10.1002/alz.70069}
}
Kostenlos starten →