在10分钟时间范围内改变的运动活动模式预测事件 临床阿尔茨海默病

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:

• 碎形运动活动调节 (FMAR) 显示了跨时间尺度的运动活动中具有自我相似的时间模式.
• 在健康的年轻人中,FMAR是强大的,但随着年龄的增长和阿尔茨海默氏症 (AD) 患者的衰退而下降.

研究的目的:

• 确定FMAR变化可以有效预测AD临床发病的特定时间表.
• 调查FMAR在各种时间尺度上对事件AD的预测能力.

主要方法:

• 从1077名参与者的动图数据评估了FMAR,随访时间长达15年.
• 使用深度学习 (DeepSurv) 的生存分析来将基线FMAR与AD风险联系起来,时间范围为3分钟至6小时.
• 使用Cox和随机生存森林模型进行确认.

主要成果:

• 在270名参与者中发展出临床AD.
• DeepSurv在时间尺度<10分钟,20-40分钟和100-200分钟之间发现了FMAR变化和AD风险之间的显著联系.
• 在时间尺度<10分钟的FMAR变化显示出发生AD的最强的预测效果,即使经过对共变量进行调整.

结论:

• 运动活动波动的预测性变化,特别是在短时间范围内 (<10分钟),与阿尔茨海默病的临床发作有关.
• 简短的动图记录显示了评估AD风险的潜力.
• FMAR分析为早期发现AD提供了一种新的方法.