相关实验视频
Updated: Jun 22, 2026
07:52
Revised and Neuroimaging-Compatible Versions of the Dual Task Screen
Published on: October 5, 2020
3.6K
轻度认知障碍的识别基于运动和认知双重任务聚合指数
Gianmaria Mancioppi1, Erika Rovini1,2, Laura Fiorini1,2
1The Department of Industrial Engineering, University of Florence, Florence, Italy.
PloS one
|August 2, 2023
概括
运动和认知双重任务 (MCDT) 方法有效地识别轻度认知障碍 (MCI) 和主观认知障碍 (SCI). 将运动性能指数与临床分数相结合,可显著提高这些疾病的诊断准确度.
科学领域:
- 神经科学是一个神经科学.
- 老年学是一门学科.
- 生物医学工程 生物医学工程
背景情况:
- 轻度认知障碍 (MCI) 和主观认知障碍 (SCI) 是痴呆症的前体.
- 早期识别对于及时干预和管理至关重要.
- 目前的诊断方法的灵敏度可能受到限制.
研究的目的:
- 调查运动和认知双重任务 (MCDT) 方法在区分认知正常成年人 (CNA),SCI患者和MCI患者之间的有效性.
- 评估来自MCDT的运动性能指数 (PI),人口统计数据 (年龄) 和诊断模型中的临床分数 (前置评估电池 - FAB) 的贡献.
主要方法:
- 44名老年人在三次MCDT期间使用SensHand和SensFoot可穿戴系统进行了评估:食指点击 (FTAP),脚点击 (TTHP) 和10米步行 (GAIT).
- 从MCDT数据开发了五个聚合指数 (PI).
- 我们构建了逻辑回归模型,将PI,年龄和FAB分数结合起来,将参与者分为CNA,SCI或MCI组.
主要成果:
- 区分CNA和MCI的模型仅使用PI和年龄就实现了67-78%的准确性,随着临床分数的增加,准确性增加到85-89%.
- 对于CNA,SCI和MCI的分类,使用PI和年龄的模型产生了50-59%的准确性,当包括FAB分数时,准确性提高了18%.
- TTHP PI在区分三组中表现特别高.
结论:
- 与年龄相结合的MCDT衍生PI有效区分CNA和MCI.
- 纳入临床分数显著提高了这些诊断模型的准确性.
- TTHP PI在区分CNA,SCI和MCI方面表现有希望,这表明MCDT为临床评估提供了有价值的工具.
