Mapování pojistně-matematických kritérií pro mírnou kognitivní poruchu Parkinsonovy choroby na kognitivní fenotypy řízené daty, část 3

3.2. Prevalence PD-MCI a podtypů

Prevalence PD-MCI byla 40,1 % (n=198) při použití mezní hodnoty −1 SD, 21,5 % (n=105) při použití mezní hodnoty −1,5 a 9,1 % (n {{12 }}) při použití omezení −2 SD.

Mezi nemocností a pamětí je velký vztah. Studie ukázaly, že udržení dobrého zdraví může výrazně zlepšit paměť a kognitivní schopnosti, zatímco nemoc může vést ke ztrátě paměti.

Některé běžné zdravotní problémy, jako je vysoký krevní tlak, cukrovka, vysoký cholesterol, obezita atd., jsou spojeny se ztrátou paměti. Tyto problémy mohou ovlivnit průtok krve v mozku a způsobit problémy, jako je poškození neuronů a smrt mozkových buněk. Kromě toho některé psychické problémy, jako je deprese, úzkost atd., mohou také vést ke ztrátě paměti.

Aktivní životní styl a zdravé návyky však mohou snížit možnost onemocnění a do značné míry zlepšit paměť. Pokud jde o stravu, můžeme například zvolit zdravé stravovací návyky, zvýšit příjem ovoce, zeleniny a celozrnných výrobků a omezit potraviny s vysokým obsahem cukru, tuku a soli. Kromě toho může mít mírné cvičení také velké zdravotní přínosy a pomáhá zlepšit kardiovaskulární zdraví a kognitivní schopnosti. Udržování dobré kvality spánku může také podporovat opravu mozku a ukládání paměti.

Kromě toho bylo také prokázáno, že udržování dobrého společenského života, trénink mozku a snižování stresu zlepšuje paměť a kognitivní schopnosti. Stručně řečeno, úpravou životního stylu a udržováním zdravých návyků můžeme výrazně zlepšit paměť a kognitivní schopnosti a snížit riziko onemocnění. Můžeme si tak lépe užívat života, práce a studia. Je vidět, že potřebujeme zlepšit paměť a Cistanche dokáže výrazně zlepšit paměť, protože dokáže také regulovat rovnováhu neurotransmiterů, jako je zvýšení hladiny acetylcholinu a růstových faktorů, které jsou velmi důležité pro paměť a učení. Kromě toho může Cistanche také zlepšit průtok krve a podpořit dodávku kyslíku, což může zajistit, že mozek získá dostatečnou výživu a energii, a tím zlepší mozkovou vitalitu a vytrvalost.

Klikněte na 10 způsobů, jak zlepšit paměť

Byl významný rozdíl mezi podíly případů klasifikovaných PD-MCI na základě kritérií pro omezení, s velkou velikostí účinku (χ2(2)=563.10, p < 0.001, η2=0.66) a rozdíly v očekávaném směru (p < 0,001).

Přes všechny tři mezní hodnoty měla většina případů PD-MCI jednodoménové poškození (-1 SD: 64,59 %, -1,5 SD: 77.0 %, -2 SD: 80,22 %) (obrázek 1). Single-EF byl nejběžnějším podtypem PD-MCI.

Značná část případů však spadala do non-EF podtypů (−1 SD: 19 %, −1,5 SD: 19 %, −2 SD: 26 %). Klasifikace do těchto dalších podtypů byla primárně řízena paměťovými a jazykovými deficity.

Z případů PD-MCI při použití mezních hodnot −1, −1,5 a −2 SD mělo 33 %, 25 % a 31 % deficit paměti a 17 %, 15 % a 11 % mělo jazykový deficit.

3.3. Kognitivní fenotypy odvozené ze seskupení

Výsledky shlukové analýzy K-means potvrdily existenci tří shluků. Členství ve shlucích bylo stabilní po 10 iteracích. Žádný ze shluků nebyl nepřijatelně malý.
Vizuální prohlídka center clusteru (obrázek 2) odhalila skupinu s průměrnou kognicí napříč všemi doménami (n=154), skupinu s nízkou výkonnou funkcí (Nízká EF) (n=227) a skupinu s Poruchy exekutivních funkcí a paměti, stejně jako nízké jazykové skóre (Prominently Impaired EF/Memory) (n=113). Hierarchická shluková analýza podpořila použití dvou nebo tří shluků na základě změn v aglomeračních koeficientech.

Při zkoumání podílů případů přiřazených ke stejnému shluku oběma shlukovacími metodami mělo tříshlukové řešení nejvyšší shodu (84,41 %) v poměru k dvoushlukovým a čtyřshlukovým řešením (78,34 %, resp. 58,70 %) a daleko přesáhlo o 25 % více než je práh šance.

Při použití K-means jako standardu byla shoda na 89,61 % (n=138) ve skupině s kognitivním průměrem, 83,36 % (n=189) ve skupině s nízkým EF a 79,67 % (n {{ 9}}) ze skupiny Prominently ImpairedEF/Memory.

Existoval významný vztah mezi pravděpodobností přiřazení do ekvivalentní skupiny pomocí obou metod shlukování (χ2(4)=598.73, p < 0.001). Tři shluky K-means byly určeny jako optimální klastrové řešení a byly použity ve všech následujících analýzách.

Tabulka 3 znázorňuje demografické, kognitivní, náladové a motorické skóre tří kognitivních shluků. Výsledky Kruskal–Wallis H testů ukázaly, že tyto tři shluky se významně lišily napříč celkovým skóre DRS-2 a všemi kognitivními složenými skóre v očekávaném směru.

Konkrétně účastníci ve skupině Cognitively Average si vedli lépe než ti ve skupině Low EF, kteří měli lepší výkon než ti ve skupině ProminentlyImpaired EF/Memory ve všech kognitivních indexech.

Jak je uvedeno v tabulce 3, tyto tři shluky se také lišily, pokud jde o závažnost motorických symptomů, symptomy nálad, které si sami uvedli, a rasovou/etnickou distribuci. Konkrétně, účastníci shluku Prominently Impaired EF/Memory měli významně větší motorické symptomy (skóre UPDRS část III), větší apatii (AS) a větší úzkost z rysů (STAI:Trait) než oba ostatní shluky a větší depresivní symptomy (BDI-II) než shluk Kognitivně průměrný.

Ti v shlucích s nízkou EF a prominentně narušenou EF/paměť měli výrazně větší stav úzkosti (STAI: State) než shluk kognitivně průměrný. Kromě toho byl v shlucích významný rozdíl mezi podíly bílých nehispánských účastníků s menším zastoupením v shluku. Kognitivně Průměrný shluk vzhledem k oběma ostatním shlukům.

Na rozdíl od toho nebyly mezi skupinami žádné významné rozdíly mezi jinými demografickými charakteristikami (věk, vzdělání, pohlaví), trváním onemocnění (roky od diagnózy, roky od nástupu symptomů) nebo podílem účastníků s každým motorickým podtypem. Celkově měl shluk Prominentně narušené EF/paměť výrazně horší náladu, motivaci a motorické symptomy než ostatní dva shluky, ale účinky těchto rozdílů byly malé.

V návaznosti na to jsme provedli Pearsonovy korelační analýzy mezi kognitivními kompozity a mírami nálady/motivace (analýzy viz tabulka A2). Celkově výsledky nadále naznačovaly výjimečně malý, ale konzistentní vztah mezi symptomy větší nálady a horším kognitivním výkonem napříč doménami.

Kromě toho jsme provedli průzkumné analýzy v jazykové doméně, abychom určili, zda jedno ze dvou měření způsobilo nízký jazykový výkon zaznamenaný v clusteru Prominently Impaired EF/Memory. Zjistili jsme, že výkon sémantické plynulosti byl významně nižší než konfrontační pojmenování (viz tabulka A3).

3.4. Vztah mezi kognitivními fenotypy a klasifikací PD-MCI

Tabulka 4 ukazuje distribuci případů PD-MCI v každém shluku pomocí tří mezních hodnot poškození PD-MCI. Pearsonovy chí-kvadrát testy nezávislosti odhalily, že klasifikace PD-MCI a členství v klastru spolu významně souvisejí s velkou velikostí účinku (tabulka 4).

Přes všechny tři limity obsahoval kognitivně průměrný shluk velmi málo případů PD-MCI. Při použití mezní hodnoty −1 SD obsahovaly klastry s nízkým EF a s výrazně narušeným EF/paměť podobné části případů PD-MCI.

Při použití mezní hodnoty −1,5 SD asi tři čtvrtiny případů PD-MCI spadly do shluku EF/paměť s výrazným poškozením, zatímco asi čtvrtina spadla do shluku s nízkou EF.

Nakonec, při použití −2 SD cutoff, téměř všechny případy PD-MCI spadly do clusteru Prominently ImpairedEF/Memory. Čím přísnější je omezení poškození, tím citlivější byl cluster s výrazným poškozením EF/paměť k tomu, aby obsahoval větší části případů klasifikovaných jako PD-MCI.

Binární logistické regresní analýzy zkoumaly, jak dobře členství v klastru predikovalo klasifikaci PD-MCI. Každá mezní hodnota poškození měla významné omnibusové testy (−1 SD: X2(2)= 274,61, p < 0.001, Cox a Snell R{{ 8}},43, Nagelkerke R2=0,58; −1,5 SD: X2(2)=203,37,p < 0,001, Cox a Snell R2=0,34, Nagelkerke R 2=0,52 −2 SD: X2(2)=128,35, p < 0,001, Cox a Snell R2=0,23, Nagelkerke R2=0,50) .

Všechny modely měly velké velikosti účinku, vysvětlující 50–58 % rozptylu v klasifikaci PD-MCI, a členství v klastru bylo významným prediktorem ve všech třech modelech omezení poškození.

Při použití mezní hodnoty −1 SD měly ty v klastru s kognitivním průměrem 10}00× nižší pravděpodobnost, že budou klasifikovány jako PD-MCI, ve srovnání s klastrem prominentně narušených EF/paměťových klastrů, zatímco ty v klastru s nízkým EF měly 16,95× nižší pravděpodobnost (p < 0,001; 95% interval spolehlivosti (CI) klastru CognitiveAverage: 200-perfektní model odpovídá; nízký EF 95% CI: 8,29–35,71).

Tento model správně klasifikoval 79,1 % případů PD-MCI se špatnou senzitivitou (protože pouze asi polovina případů PD-MCI byla takto klasifikována modelem) a vynikající specificitou (protože téměř všichni kognitivně průměrní účastníci klastru byli modelem správně klasifikováni jako kognitivně normální Tabulka 5).

Při použití mezní hodnoty −1,5 SD měly osoby v clusteru kognitivního průměru 333,33× nižší pravděpodobnost, že budou klasifikovány jako PD-MCI, ve srovnání s clusterem prominentně narušených EF/paměť, zatímco osoby v clusteru s nízkým EF měly 18,87× nižší pravděpodobnost (p < 0.001; 95% CI kognitivního průměru: 47.{11}}dokonalé přizpůsobení modelu LowEF: 10,53–33,33).

Tento model správně klasifikoval 87,9 % případů PD-MCI se silnější senzitivitou a mírně nižší (ale stále vynikající) specificitou než model kritérií −1 SD. Konečně, s použitím mezního bodu −2 SD, měli ti v klastru s nízkým EF 71,43x nižší pravděpodobnost, že budou klasifikováni jako PD-MCI, ve srovnání s klastrem prominentně narušených EF/paměť, zatímco žádné případy v klastru s kognitivním průměrem nebyly klasifikovány jako PD-MCI. (Nízký EF p < 0,001,95 % CI: 16,39–333,33).

Tento konečný model správně klasifikoval 90,9 % případů PD-MCI, ale model předpovídal, že všechny případy byly kognitivně normální, což vedlo k nulové senzitivitě a dokonalé specificitě.

Při použití předpokládaného členství ve skupině PD-MCI modelů k předpovědi skutečné klasifikace PDMCI všechny tři modely produkují významné, přijatelné statistiky C (nad 70 %, p < 0.0{{ 15}}1; Model využívající mez −1,5 SD měl nejvyšší společně maximalizovanou senzitivitu a specificitu (−1 SD Youdenův index (YI): 0,50; −1,5 SD YI: 0,66; −2 SD YI: 0).

Tabulka 5 uvádí pozitivní a negativní prediktivní hodnoty předpokládané na základě řady odhadů základní frekvence PD-MCI. Použitím míry prevalence ve vzorku pro každou hranici, limit −1 SD maximalizuje pravděpodobnost, že ti, kteří jsou modelem klasifikováni jako PD-MCI skutečně splňují tuto pojistně-matematickou diagnózu, zatímco mez −1,5 SD maximalizuje pravděpodobnost, že ti, kteří jsou klasifikováni jako kognitivně normální, jsou skutečně kognitivně intaktní.

Vzhledem k tomu, že skutečná základní míra PD-MCI není známa, byly k výpočtu pozitivních a negativních prediktivních hodnot také použity spodní, střední a horní hranice rozmezí odhadovaných prevalencí [25,26].

V prostředích s nižší mírou prevalence PD-MCI (např. 25 %) by použití −1 SD společně maximalizovalo pravděpodobnost správné klasifikace, ale v prostředích obsahujících populaci s větší pravděpodobností poškození (např. 45 %) by pak −1,5 SD udělejte tak.

Vzhledem k tomu, že naši pacienti byli všichni pozorováni na speciální klinice, je prevalence PD-MCI v našem vzorku pravděpodobně blíže tomuto středu dříve odhadované míry prevalence.

Celkově vzato, použití mezní hodnoty −1,5 SD vedlo k členství v klastru s vysokou přesností klasifikace založenou na modelu, největší YI a společně maximalizovanou PPV/NPV (na základě klinického nastavení našeho vzorku).

For more information:1950477648nn@gmail.com