Mapování pojistně-matematických kritérií pro mírnou kognitivní poruchu Parkinsonovy choroby na kognitivní fenotypy řízené daty, část 2

2. Materiály a metody

2.1. Posouzení

Provedli jsme průřezovou pozorovací studii provedením retrospektivního přehledu grafů jedinců s PD pozorovaných na University of Florida (UF) Health NormanFixel Institute for Neurological Diseases.

Data zahrnovala demografické údaje účastníků, charakteristiky související s onemocněním, neuropsychologické hodnocení a měření nálady/motivace.

2.2. Účastníci

Účastníci zahrnovali vhodný vzorek jedinců s idiopatickou PD z velké prospektivně získané databáze klinického výzkumu (INFORM) pacientů s pohybovými poruchami schválené IRB, kteří byli pozorováni v UF Norman Fixel Institute.

Poruchy hybnosti označují neurologické onemocnění, které se projevuje především abnormálním pohybem svalů. Toto onemocnění má velký dopad na život a práci pacienta, ale nedávné studie prokázaly, že pacienti s poruchami hybnosti mají lepší paměť než běžní lidé.

Vzhledem k tomu, že pacienti s pohybovými poruchami musí pravidelně absolvovat fyzikální terapii a rehabilitační trénink, mohou zlepšit své kognitivní schopnosti. Studie prokázaly, že pacienti budou při opakovaném rehabilitačním tréninku opakovaně simulovat a zapamatovat si pohyby, což znamená, že si pacienti zlepší paměť velkým množstvím opakovaných cvičení během tréninkového procesu, což nejen výrazně snižuje negativní dopad nemoci, ale také pomáhá jim zlepšit jejich kognitivní schopnosti.

Nejen proto, že pacienti s poruchami hybnosti musí absolvovat nepřetržitý rehabilitační trénink a léčbu, jsou silnější a odhodlanější. To také znamená, že jsou schopni lépe tolerovat negativní dopad nemoci a je pravděpodobnější, že si udrží pozitivní přístup a mentalitu. Zároveň je také snazší se z neúspěchu poučit a jít dál.

Přestože jsou životy pacientů s poruchami hybnosti velmi ovlivněny, dokážou-li nemoc využít jako zkušenost učení a čerpat z ní sílu a odvahu, mohou realizovat své sny a ukázat své přednosti jako ostatní. Je vidět, že potřebujeme zlepšit paměť a Cistanche může výrazně zlepšit paměť, protože má antioxidační, protizánětlivé a anti-aging účinky, které mohou pomoci snížit oxidační a zánětlivé reakce v mozku, a tím chránit zdraví nervový systém. Kromě toho může Cistanche také podporovat růst a opravu nervových buněk, čímž zlepšuje konektivitu a funkci neuronových sítí. Tyto účinky mohou pomoci zlepšit paměť, schopnost učení a rychlost myšlení a mohou také zabránit výskytu kognitivní dysfunkce a neurodegenerativních onemocnění.

Klikněte na možnost poznat způsoby, jak zlepšit funkci mozku

Pro současnou studii byla zařazovacími kritérii: (1) hodnocení v letech 2002 až 2019 a (2) diagnóza idiopatické PD stanovená odborníkem na pohybové poruchy vyškoleným v rámci spolupráce na základě diagnostických kritérií Brain Bank společnosti UKParkinson's Disease Society.

Kritéria vyloučení zahrnovala (a) jakékoli současné závažné psychiatrické poruchy (tj. nezvládnutá bipolární porucha, schizofrenie, aktuální epizoda; n=7); (b) komorbidní diagnóza esenciálního třesu (n=13); (c) předchozí mozkové operace (např. hluboká mozková stimulace, pallidotomie; n=87); (d) anamnéza epilepsie, mrtvice nebo poranění mozku s pokračujícími kognitivními následky (n=18); (e) chybějící neuropsychologická měření použitá ve studii (n=187); (f) důkazy o významném kognitivním poškození na základě skóre pod 125 na stupnici hodnocení demence-2 (DRS-2, n=127) ​​[36], hraniční hodnota odpovídá menší nebo rovno 10. percentil [37].

Po vyloučení (n=439) účastníků z počátečního vzorku (n=933) to vedlo ke konečnému N 494 účastníků pro aktuální studii.

2.3. Neuropsychologická opatření

Všichni účastníci absolvovali komplexní neuropsychologické vyšetření. Baterie se skládala z DRS-2 (jako obecného indexu kognitivní poruchy) a standardních neurokognitivních měření v doménách (1) výkonné funkce, (2) verbální opožděné paměti, (3) jazyka, (4) vizuoprostorových dovedností a (5) pozornost/pracovní paměť.

Specifické testy jsou uvedeny v tabulce 1 a kognitivní míry jsou seskupeny podle domén na základě teoretických úvah [38–40]. Normy pro každý test byly odvozeny z manuálů specifických pro testy nebo dříve publikovaných norem [41] a poté převedeny na z-skóre.

Použití normativních dat nám umožnilo porovnat výkon s výkonem očekávaným v populaci a lépe odrážet klinickou praxi.

Tento přístup však představoval omezení, že opatření byla normována na základě různých vzorků a ne všechna se přizpůsobila dalším demografickým údajům, jako je vzdělání.

U většiny kognitivních měření chyběla data méně než 6 % dostupného vzorku. Pouze měření zahrnutá do vizuoprostorového kompozitu obsahovala větší část chybějících dat (Posouzení orientace linií: 8,08 %, Benton Facial RecognitionTest 14,41 %).

Při analýze vzoru chybějících hodnot pro všechna kognitivní měření byl však podpořen předpoklad Little's Missing Completely at Random (MCAR) (χ2(304)=324.61, p=0.20).

Protože účastníci potřebovali alespoň dvě měření na doménu pro klasifikaci PD-MCI, bylo implementováno seznamové vyloučení (pokud chybí nějaká neuropsychologická data).

2.4. Klasifikace PD-MCI

Klasifikovali jsme účastníky jako kognitivně normální nebo splňující pojistně-matematická kritéria pro PDMCI pomocí tří běžně používaných limitů poškození: liberální (−1 SD), střední bod (−1,5 SD) a konzervativní (−2 SD).

Aby byla kognitivní doména považována za narušenou, muselo normativní skóre alespoň dvou testů v této doméně klesnout pod příslušnou mezní hodnotu (tj. −1, −1.5, −2.0 SD). Poškození alespoň jedné domény vedlo ke klasifikaci PD-MCI.

To se liší od kritérií MDS, která umožňují definovat PD-MCI tím, že jeden test se zhoršeným stavem bude ve dvou samostatných doménách, s tím, že obě tyto domény jsou považovány za narušené.

Použili jsme psychometricky přísnější přístup, když jsme požadovali, aby dva nebo více testů ve stejné doméně klesly pod příslušnou hranici pro přiřazení klasifikace PD-MCI.

Tento přístup skutečně lépe predikuje PDD [27], minimalizuje možnost, že špatný výkon u jednoho úkolu je anomálií, a více se shoduje s rozšířenou klinickou praxí definování poškození domény na základě vzoru deficitů napříč opatřeními v rámci domény.

Účastníci určení jako mající PD-MCI byli poté rozděleni do podtypů na základě toho, zda byli poškozeni v jedné nebo více kognitivních doménách a zda bylo nebo nebylo přítomno poškození exekutivních funkcí (EF).

Stejně jako původně navrhované podtypy MCI (amnestické/neamnestické) měly za cíl odlišit přítomnost nebo nepřítomnost charakteristického znaku Alzheimerovy choroby [54], zaměřili jsme se na přítomnost nebo nepřítomnost nejčastější kognitivní poruchy (tj. exekutivní funkce) v PD.

Účastníci PD-MCI byli tedy charakterizováni jako jeden ze čtyř podtypů: single-EF (poškozená pouze doména EF), multi-EF (poškozená EF plus alespoň jedna další doména), single-non-EF (poškozená jedna doména, ale ne EF) a multi-non-EF (poškozená více než jedna doména, ale ne EF).

2.5. Shlukové analýzy

Pro každou kognitivní doménu bylo vypočítáno složené skóre zprůměrováním individuálních skóre testů v rámci domény. Složené skóre z pěti domén bylo poté zadáno do shlukových analýz k rozlišení kognitivních fenotypů (skupiny účastníků s podobnými vzory kognitivní výkonnosti).

Pro současný rukopis označujeme tyto podtypy odvozené od klastrů jako „kognitivní fenotypy“, abychom je odlišili od podtypů odvozených z klasifikace PD-MCI.

Zatímco jsme měli a priori předpověď tří shluků, vyzkoušeli jsme rozsah dvou až čtyř shluků, abychom zajistili ideální přizpůsobení dat; bylo vytvořeno několik clustersolutions a porovnáno před určením konečné struktury clusteru.

2.6. Jiná opatření

V době neuropsychologického hodnocení účastníci dokončili self-reportscreeningová opatření k charakterizaci symptomů deprese (Beckův inventář deprese-II (BDI-II)), apatie (škála apatie (AS)) a situační a dispoziční úzkosti (State-TraitAnxiety Inventář (STAI)) [55–57].

Aby bylo možné změřit závažnost motorických příznaků a progresi stadia onemocnění, získali neurologové neurologové pohybových poruch hodnocení z Unified Parkinson's Disease Rating Scale (UPDRS, [58]) PartIII a Hoehn and Yahr scale (H&Y, [59]), zatímco účastníci byli „zapnuti“. jejich dopaminergní léky.

Tito neurologové také charakterizovali jejich motorický podtyp (převládající třes, akineticko-rigidní nebo posturální nestabilita a potíže s chůzí). V průměru byly motorické symptomy hodnoceny během 61,33 ± 63,24 dnů od neuropsychologického vyšetření (rozmezí=0–365 dnů).

2.7. Statistika

K provedení všech následujících analýz jsme použili SPSS verze 26 [60]. Zkoumali jsme demografické proměnné, klinické charakteristiky a kognitivní kompozity na normalitu a odlehlé hodnoty, a to jak vizuálně, tak statisticky. Většina proměnných nebyla normálně rozdělena – posouzena inspekcí histogramu, Z-testy šikmosti/kurtózy a Kolmogorov–Smirnovand Shapiro–Wilk testy normality (p < 0,05).

Vzhledem k nenormálnosti většiny proměnných byly odlehlé hodnoty definovány jako skóre spadající mimo 3x mezikvartilové rozmezí. Nebyly zjištěny žádné odlehlé hodnoty kromě jednoho účastníka, který měl více let se symptomy PD (54 let) a další měl těžkou depresi (BDI=54).

Protože tyto dvě proměnné doplňovaly naše primární cíle, všechny případy byly zachovány v rámci analýz. Cochranův Q test porovnával míry prevalence PD-MCI pomocí Bonferroniho korigovaného párového srovnání. Nezávisle jsme provedli K-průměry a hierarchické klastrové analýzy (za použití Wardovy metody a druhé mocniny euklidovské vzdálenosti), abychom křížově ověřili členství v klastru.

Abychom prozkoumali konsenzus členství v klastrech těchto dvou technik, použili jsme křížové tabulky a Pearsonovy chí-kvadrát testy nezávislosti. Pomocí optimálního řešení klastrů K-means jsme porovnali odvozené shluky z hlediska demografie, klinických charakteristik a nálady/motivace.

Vzhledem ke klinické povaze našich dat některá měření chyběla, proto jsme pro tyto analýzy použili párové vyloučení. Vzhledem k nenormálnímu rozložení těchto proměnných jsme při porovnávání shluků použili Kruskalův–Wallisův H test (s Bonferroniho korigovaným párovým porovnáním) pro spojité proměnné a Pearsonovy chí-kvadrát testy nezávislosti pro kategorické proměnné.

Nakonec jsme ke kvantifikaci vztahu mezi členstvím v klastru a klasifikací PD-MCI použili Pearsonovy chí-kvadrát testy nezávislosti a binární logistické regrese.

Protože jsme se snažili prozkoumat překrývání mezi výrazně narušeným shlukem a klasifikací PD-MCI, byl tento shluk použit jako referenční skupina v regresních modelech.

Pomocí citlivosti a specifičnosti modelů jsme vypočítali hodnoty Youdenova indexu pro každou hranici [61]. Poté jsme vypočítali pozitivní a negativní prediktivní hodnoty za předpokladu základních sazeb na základě četnosti prevalence PD-MCI ve vzorku a v celém rozsahu četností prevalence z předchozích studií.

3. Výsledky

3.1. Vzorové charakteristiky

Vyhledávání v databázi identifikovalo 494 jedinců splňujících kritéria pro zařazení/vyloučení. Z toho u 338 jedinců bylo provedeno neuropsychologické vyšetření v rámci vyhodnocení hluboké mozkové stimulace a u 156 jedinců bylo provedeno kognitivní testování v rámci běžné klinické péče.

Tyto skupiny si byly do značné míry podobné, pokud jde o kognitivní výkon (viz příloha A, tabulka A1), a proto se s nimi pro analýzy zacházelo jako s jedinou kohortou. Účastníci byli ve věku od 38 do 87 let, s průměrným věkem 64,7 let (tabulka 2 ).

Účastníci byli dobře vzdělaní, převážně muži (72 %) a bílí nehispánští (94,3 %) a v průměru měli téměř 8-letou dobu trvání diagnózy PD.

Účastníci byli obecně v raných a středních stádiích závažnosti onemocnění na základě H&Y a UPDRS část III. Většina byla charakterizována jako subtyp s převládajícím třesem (76,5 %), zatímco zbytek vzorku byl charakterizován jako akineticky rigidní (22,5 % ) nebo posturální nestabilita a potíže s chůzí (1,1 %). Jako skupina bylo celkové skóre DRS-2 účastníků daleko nad hranicí demence [37].

Průměrná výkonnost na indexech deprese (BDI-II), apatie (AS) a úzkosti (STAI) byla pod klinickou hranicí, ačkoli mezi účastníky byla značná variabilita.

For more information:1950477648nn@gmail.com