NEUROLOGY_Source_帕金森病与REM行为障碍嗅觉测试机器学习研究数据

数据集概述

本数据集为帕金森病与孤立性REM睡眠行为障碍（iRBD）患者的嗅觉测试研究数据，通过机器学习方法筛选出3种关键气味棒（Anise、Licorice、Banana）组成的简化嗅觉测试模型，用于区分嗅觉功能障碍人群。数据支持临床环境下的快速嗅觉评估，适用于前驱期和显性帕金森病患者的筛查。

文件详解

• 文件名称：NEUROLOGY2020086595_Supplemental_data.docx
• 文件格式：DOCX
• 字段映射介绍：包含研究的补充数据，可能涵盖Discovery队列（890例PD患者、313例对照）、独立PD验证集（452例）及iRBD验证集（241例Discovery队列、37例Marburg队列）的嗅觉测试结果，关键气味棒（Anise、Licorice、Banana）的预测重要性排名，模型性能指标（AUC、灵敏度、特异度等），以及iRBD筛查的联合指标（3气味棒模型+RBD问卷评分≥5）数据。

数据来源

论文“Olfactory testing in Parkinson's disease & REM behavior disorder: a machine learning approach”

适用场景

• 帕金森病嗅觉功能障碍筛查: 利用3气味棒简化模型快速评估患者嗅觉功能，辅助临床诊断。
• 前驱期帕金森病（iRBD）风险分层: 结合RBD问卷评分，识别iRBD患者的嗅觉异常特征。
• 神经疾病机器学习模型验证: 验证随机森林模型在嗅觉测试数据中的分类性能与泛化能力。
• 临床测试工具优化研究: 对比不同简化嗅觉测试组合的效率与准确性，为临床工具开发提供参考。