缓解运动障碍对自我进行的数字测试的影响:中风的纵向队列研究

科学领域:

• 神经科学是一个神经科学.
• 计算生物学 计算生物学
• 数字健康数字健康

背景情况:

• 认知障碍在神经系统疾病中很常见,但往往被诊断不足.
• 远程认知测试是可访问的,但努力区分认知和运动缺陷.
• 提出了一种新的计算框架,以在数字任务中将认知能力与运动障碍隔离开来.

研究的目的:

• 在数字评估中开发和验证一个计算框架,以区分认知障碍与运动缺陷.
• 提高神经学群体中远程认知测试的准确性和临床效用.
• 提高数字认知评估的可靠性和生物有效性.

主要方法:

• 一个计算框架被应用到由171名中风幸存者完成的18个数字任务的试验级数据.
• 贝叶斯主要组件分析 (PCA) 用于减小维度.
• 混合效应回归和正规相关性分析评估了临床效用和大脑行为关联.

主要成果:

• 该框架的"模拟认知指标"与标准准确度指标不同,没有被手部运动障碍所混.
• 模拟认知指标显示,与临床尺度 (平均R2 = 0.65) 和功能结果 (平均R2 = 0.16) 的相关性更强.
• 使用模拟认知指标增强了大脑行为关联,揭示了直观的关系.

结论:

• 计算框架证明了对评估神经疾病中的认知功能的改善临床实用性和有效性,同时存在运动缺陷.
• 将认知障碍与运动障碍分开,提高了数字评估的可靠性和生物有效性.
• 这种方法可以改善神经系统疾病中认知障碍的早期检测和干预.