一个基于物联网的认知障碍检测设备:一个新提出的方法在老年人护理选择反应时间设备开发和数据驱动的验证

科学领域:

• 神经科学是一个神经科学.
• 老年学是一门学科.
• 认知科学 认知科学

背景情况:

• 老年人在选择反应时间 (CRT) 测试中的表现是已知的认知能力下降的预测因素.
• 一个简单的CRT工具可以帮助早期检测轻度认知障碍 (MCI) 和临床前痴呆症.
• 这些工具为现场或基于远程医疗的认知障碍分层提供了潜力.

研究的目的:

• 开发一种CRT测试设备和协议,用于区分认知障碍类别.
• 要区分主观认知衰退 (SCD) /非记忆障碍MCI (na-MCI) 和记忆障碍MCI (a-MCI) /多域a-MCI (a-MCI-MD).

主要方法:

• 一项试点研究涉及35名意大利和罗马尼亚的老年人 (61-85岁).
• 使用迷你心理状态检查 (MMSE) 和CRT颜色响应任务来评估认知功能.
• 机器学习分类器分析了反应时间和准确性数据,以预测认知缺陷.

主要成果:

• 在MMSE得分和CRT反应时间/精度之间观察到适度的相关性.
• 在两组之间发现了对蓝光反应时间的显著差异,但对于其他颜色或精度没有.
• 支持矢量机器 (SVM) 和RUSBoosted树在预测临床前痴呆症方面取得了77.1%的准确性.

结论:

• 结合机器学习的CRT测试有效地区分了老年人的认知能力.
• 这种方法促进了神经认知疾病的早期诊断和分层.
• 便携式CRT设备对监测认知功能,包括SCD和MCI,以及识别由压力因素造成的损伤具有前景.