在检测认知障碍方面评估基于网络和临床主观认知衰退评估的准确性:多队列研究

科学领域:

• 神经科学是一个神经科学.
• 老年学是一门学科.
• 医疗信息学 医疗信息学

背景情况:

• 可扩展的工具对于识别阿尔茨海默病和相关痴呆症的认知障碍 (CI) 是至关重要的.
• 日常认知量表 (ECog) 和其简称 (ECog12) 通过评估主观认知和功能变化来预测CI.
• 基于网络的认知测试提供了方便和可扩展的CI识别,但它们的远程有效性需要进一步研究.

研究的目的:

• 在区分CI和认知正常 (CU) 个体方面,比较基于网络和临床的ECog.
• 与全长ECog.相比,评估基于Web的ECog12的有效性.

主要方法:

• 利用基于网络的脑健康登记 (BHR) 和临床阿尔茨海默病神经成像计划 (ADNI) 的数据.
• 使用接收器操作特征 (ROC) 曲线评估自我报告的ECog (Self-ECog),研究合作伙伴报告的ECog (SP-ECog) 和它们的12项版本 (ECog12).
• 基于网络和临床环境之间的ROC曲线 (AUC) 下的比较面积,以及使用DeLong测试进行ECog和ECog12之间的比较.

主要成果:

• 基于网络的自我ECog (AUC=0.722) 和SP-ECog (AUC=0.818) 有效地将CI与CU进行了歧视.
• 基于网络的ECog12版本也显示了区分能力 (自我ECog12 AUC=0.709,SP-ECog12 AUC=0.777).
• 对于自我报告和研究合作伙伴报告的措施,在基于网络和临床的ECog AUC之间没有发现显著差异,在基于网络的环境中也没有发现全长和简短的ECog AUC.

结论:

• 基于网络的ECog分数 (完整和简短的形式) 与临床分数一样有效,用于识别临床诊断的CI.
• 在基于网络的环境中,ECog12与全长ECog同样有效用于CI识别,提供了一个具有成本效益的,可扩展的选工具.
• 基于网络的ECog有助于在偏远环境中早期发现CI,帮助及时转诊进行评估和潜在的疾病修饰疗法.