穿戴式运动跟踪数据在临床诊断前几年就能识别帕金森病

科学领域:

• 神经科学是一个神经科学.
• 生物标志物发现发现
• 数字健康数字健康

背景情况:

• 帕金森病 (PD) 是一种进展性神经退行性疾病,缺乏修改疾病的治疗方法.
• 早期识别有风险的个体对于开发有效的神经保护疗法至关重要.
• 目前对前进性PD的预测生物标志物有限.

研究的目的:

• 评估加速计作为预测性生物标志物,用于预发性帕金森病.
• 为了比较加速计的预测性能与遗传学,生活方式,血液生物化学和前兆症状.
• 评估加速度计在鉴定临床试验个人中的实用性.

主要方法:

• 利用来自33009名参与者的英国生物库数据.
• 使用加速度计数据开发机器学习模型.
• 使用精度回忆曲线下的面积 (AUPRC) 进行模型性能比较,用于临床诊断的PD和prodromalPD.
• 基于遗传学,生活方式,血液生物化学和前性症状的评估模型.

主要成果:

• 使用加速度计数据的机器学习模型在临床诊断的PD (AUPRC 0.14 ± 0.04) 和临床诊断的PD (AUPRC 0.07 ± 0.03) 在诊断前7年内都显示出卓越的预测性能.
• 加速测量显著优于基于遗传学,生活方式,血液生物化学和前进体征的模型 (所有P < 0.005).
• 这些发现凸显了加速度计作为一种具有成本效益的选工具的潜力.

结论:

• 加速度测量作为一种强大的,低成本的数字生物标志物,用于识别患帕金森病风险较高的个体.
• 这种方法可以显著帮助早期检测出发性帕金森病.
• 加速测量可以促进对研究神经保护疗法的临床试验的合适参与者的招聘.