Сопоставление актуарных критериев болезни Паркинсона — легких когнитивных нарушений с когнитивными фенотипами, основанными на данных. Часть 3

3.2. Распространенность PD-MCI и подтипов

Распространенность PD-MCI составила 40,1% (n=198) при использовании порогового значения стандартного отклонения -1, 21,5% (n=105) при использовании порогового значения -1,5 и 9,1% (n {{12 }}) при использовании отсечки −2 SD.

Существует тесная взаимосвязь между заболеваемостью и памятью. Исследования показали, что поддержание хорошего здоровья может значительно улучшить память и когнитивные способности, тогда как болезнь может привести к потере памяти.

Некоторые распространенные проблемы со здоровьем, такие как высокое кровяное давление, диабет, высокий уровень холестерина, ожирение и т. д., связаны с потерей памяти. Эти проблемы могут повлиять на кровоток в мозге, вызывая такие проблемы, как повреждение нейронов и гибель клеток мозга. Кроме того, некоторые психологические проблемы, такие как депрессия, тревога и т. д., также могут привести к потере памяти.

Однако активный образ жизни и здоровые привычки могут снизить вероятность заболеваний и в значительной степени улучшить память. Например, что касается диеты, мы можем выбрать здоровые привычки питания, увеличить потребление фруктов, овощей и цельнозерновых продуктов, а также сократить количество продуктов с высоким содержанием сахара, жиров и соли. Кроме того, умеренные физические упражнения также могут принести большую пользу для здоровья и помочь улучшить здоровье сердечно-сосудистой системы и когнитивные способности. Поддержание хорошего качества сна также может способствовать восстановлению мозга и сохранению памяти.

Кроме того, было доказано, что поддержание хорошей социальной жизни, тренировка мозга и снижение стресса улучшают память и когнитивные способности. Короче говоря, корректируя свой образ жизни и поддерживая здоровые привычки, мы можем значительно улучшить нашу память и когнитивные способности, а также снизить риск заболеваний. Таким образом, мы можем лучше наслаждаться жизнью, работой и учебой. Видно, что нам необходимо улучшить память, а Цистанхе может значительно улучшить память, поскольку он также может регулировать баланс нейротрансмиттеров, например, повышая уровень ацетилхолина и факторов роста, которые очень важны для памяти и обучения. Кроме того, цистанхе также может улучшить кровоток и способствовать доставке кислорода, что может гарантировать, что мозг получает достаточное питание и энергию, тем самым повышая жизнеспособность и выносливость мозга.

Нажмите «Узнайте 10 способов улучшить память»

Наблюдалась значительная разница между долями случаев, классифицированных PD-MCI на основе критериев исключения, с большой величиной эффекта (χ2(2)=563.10, p < 0.001, η2=0.66) и различия в ожидаемом направлении (p < 0,001).

Во всех трех пороговых значениях в большинстве случаев PD-MCI наблюдались однодоменные нарушения (-1 СО: 64,59%, -1,5 СО: 77,0%, -2 СО: 80,22%) (рис. 1). Одиночный EF был наиболее распространенным подтипом PD-MCI.

Однако заметная часть случаев попала в подтипы без ФВ (-1 СО: 19%, -1,5 СО: 19%, -2 СО: 26%). Классификация на эти другие подтипы в первую очередь была обусловлена ​​дефицитом памяти и языка.

Из случаев PD-MCI при использовании пороговых значений SD -1, -1,5 и -2 33%, 25% и 31% имели дефицит памяти, а 17%, 15% и 11% - языковой дефицит соответственно.

3.3. Кластерные когнитивные фенотипы

Результаты кластерного анализа K-средних подтвердили существование трех кластеров. Членство в кластере было стабильным после 10 итераций. Ни один из кластеров не был неприемлемо маленьким.
Визуальный осмотр центров кластеров (рис. 2) выявил группу со средним уровнем когнитивных способностей по всем доменам (n=154), группу с низкой исполнительной функцией (Low EF) (n=227) и группу с нарушения исполнительной функции и памяти, а также низкие баллы по языку (выраженное нарушение EF/памяти) (n=113). Иерархический кластерный анализ подтвердил использование двух или трех кластеров на основе изменений коэффициентов агломерации.

При изучении доли случаев, отнесенных к одному и тому же кластеру обоими методами кластеризации, трехкластерное решение имело наибольшую согласованность (84,41%) по сравнению с двух- и четырехкластерными решениями (78,34% и 58,70% соответственно), и намного превысило 25% больше порога вероятности.

Используя K-средние в качестве стандарта, согласие было достигнуто у 89,61% (n=138) группы со средним когнитивным уровнем, 83,36% (n=189) группы с низким EF и 79,67% (n {{ 9}}) из группы с выраженным нарушением EF/памяти.

Существовала значительная связь между вероятностью быть отнесенным к эквивалентной группе с использованием обоих методов кластеризации (χ2(4)=598.73, p < 0.001). Таким образом, три кластера K-средних были определены как оптимальное кластерное решение и использовались во всех последующих анализах.

В Таблице 3 представлены демографические, когнитивные, настроение и двигательные показатели трех когнитивных кластеров. Результаты тестов Крускала-Уоллиса H показали, что три кластера значительно различались по общим баллам DRS-2 и всем совокупным когнитивным баллам в ожидаемом направлении.

В частности, участники из группы со средним когнитивным уровнем показали лучшие результаты, чем участники из группы с низким EF, которые показали лучшие результаты, чем участники из группы с выраженными нарушениями EF/памяти по всем когнитивным показателям.

Как показано в Таблице 3, три кластера также различались по тяжести двигательных симптомов, самооцениваемым симптомам настроения и расовому/этническому распределению. А именно, участники кластера с выраженными нарушениями EF/памяти имели значительно больше двигательных симптомов (шкалы UPDRS, часть III), большую апатию (AS) и большую личностную тревожность (STAI:Trait), чем оба других кластера, а также более выраженные депрессивные симптомы (BDI-II). чем кластер «Когнитивно средний».

Участники из кластеров с низким EF и выраженным нарушением EF/памяти имели значительно большую тревожность состояния (STAI: состояние), чем из кластера со средним когнитивным уровнем. Когнитивно средний кластер относительно обоих других кластеров.

Напротив, не было выявлено существенных различий между кластерами по другим демографическим характеристикам (возраст, образование, пол), продолжительности заболевания (годы с момента постановки диагноза, годы с момента появления симптомов) или доле участников с каждым двигательным подтипом. В целом, кластер с выраженными нарушениями EF/памяти имел значительно худшие настроение, мотивацию и двигательные симптомы, чем два других кластера, но эффект этих различий был небольшим.

В качестве последующего наблюдения мы провели корреляционный анализ Пирсона между когнитивными комплексами и показателями настроения/мотивации (анализ см. в Таблице A2). В целом результаты продолжали предполагать исключительно небольшую, но устойчивую связь между усилением симптомов настроения и ухудшением когнитивных функций во всех областях.

Кроме того, мы провели исследовательский анализ в языковой области, чтобы определить, является ли один из двух показателей причиной низкой языковой успеваемости, наблюдаемой в кластере с выраженными нарушениями EF/памяти. Мы обнаружили, что производительность семантической беглости была значительно ниже, чем у конфронтационного именования (см. Таблицу A3).

3.4. Связь между когнитивными фенотипами и классификацией PD-MCI

В Таблице 4 показано распределение случаев PD-MCI внутри каждого кластера с использованием трех пороговых значений нарушений PD-MCI. Тесты независимости Пирсона хи-квадрат показали, что классификация PD-MCI и членство в кластере были значительно связаны друг с другом с большим размером эффекта (таблица 4).

По всем трем критериям кластер «Средние когнитивные способности» содержал очень мало случаев PD-MCI. При использовании порогового значения -1 SD кластеры с низким EF и выраженным нарушением EF/памяти содержали аналогичные части случаев PD-MCI.

Используя пороговое значение стандартного отклонения -1,5, около трех четвертей случаев PD-MCI попали в кластер с выраженным нарушением EF/памяти, а около четверти - в кластер с низким EF.

Наконец, при использовании порогового значения -2 SD почти все случаи PD-MCI попали в кластер с выраженным нарушением EF/памяти. Таким образом, чем более строгим пороговое значение нарушений, тем более чувствительным был кластер с выраженными нарушениями EF/памяти к содержанию большей части случаев, классифицированных по PD-MCI.

Бинарный логистический регрессионный анализ исследовал, насколько хорошо членство в кластере предсказывает классификацию PD-MCI. Для каждого порогового уровня ухудшения проводились значимые комплексные тесты (-1 SD: X2(2)= 274.61, p < 0.001, Cox and Snell R{{ 8}}.43, Нагелькерке R2=0.58; -1,5 SD: X2(2)=203.37,p < 0,001, Кокс и Снелл R2=0.34, Нагелькерке R 2=0.52; −2 SD: X2(2)=128.35, p < 0,001, Кокс и Снелл R2=0.23, Нагелькерке R2=0.50) .

Все модели имели большие размеры эффекта, объясняя 50–58% дисперсии в классификации PD-MCI, а членство в кластере было значимым предиктором во всех трех моделях ограничения нарушений.

Используя пороговое значение -1 SD, у участников группы «Средний когнитивный уровень» шансы быть классифицированными как PD-MCI были в 10}00 раз ниже по сравнению с группой с выраженным нарушением EF/кластера памяти, в то время как у участников группы с низким EF — 16,95×. более низкие шансы (p < 0,001; 95% доверительный интервал (ДИ) кластера CognitiveAverage: 200-идеальное соответствие модели; 95% ДИ с низким EF: 8,29–35,71).

Эта модель правильно классифицировала 79,1% случаев PD-MCI с плохой чувствительностью (поскольку только около половины случаев PD-MCI были классифицированы как таковые моделью) и отличной специфичностью (поскольку почти все участники кластера со средним когнитивным уровнем были правильно классифицированы моделью как когнитивно нормальные). Таблица 5).

Используя пороговое значение -1,5 стандартного отклонения, участники из группы «Средние когнитивные способности» имели в 333,33 раза меньшие шансы быть классифицированными как PD-MCI по сравнению с группой с выраженными нарушениями EF/памяти, в то время как участники из группы с низким EF имели в 18,87 раза меньшие шансы (p < 0.001; 95% ДИ когнитивного среднего: 47.62-идеальное соответствие модели; 95% ДИ LowEF: 10,53–33,33).

Эта модель правильно классифицировала 87,9% случаев PD-MCI с более высокой чувствительностью и немного меньшей (но все же превосходной) специфичностью, чем критериальная модель -1 SD. Наконец, при использовании порогового значения стандартного отклонения -2 у пациентов из группы с низким EF шансы быть классифицированными как PD-MCI были в 71,43 раза ниже по сравнению с группой с выраженным нарушением EF/памяти, в то время как ни один случай из группы со средним когнитивным уровнем не был классифицирован как PD-MCI. (Низкий EF p < 0,001,95% ДИ: 16,39–333,33).

Эта окончательная модель правильно классифицировала 90,9% случаев PD-MCI, но модель предсказала, что все случаи были когнитивно нормальными, что привело к нулевой чувствительности и идеальной специфичности.

При использовании прогнозируемого членства моделей в группе PD-MCI для прогнозирования фактической классификации PDMCI все три модели дают значительную, приемлемую статистику C (выше 70%, p < 0.0{{ 15}}1; Таблица 5). Модель, использующая пороговое значение -1,5 стандартного отклонения, имела самую высокую совместно максимизированную чувствительность и специфичность (-1 стандартное отклонение индекса Юдена (YI): 0,50; -1,5 стандартное отклонение YI: 0,66; -2 стандартное отклонение YI: 0).

В Таблице 5 представлены положительные и отрицательные прогностические значения, основанные на диапазоне оценок базовой ставки PD-MCI. Используя показатели распространенности выборки для каждого порогового значения, пороговое значение стандартного отклонения -1 максимизирует вероятность того, что лица, классифицированные моделью как PD-MC, действительно соответствуют этому актуарному диагнозу, в то время как пороговое значение стандартного отклонения -1,5 максимизирует вероятность того, что лица, классифицированные как когнитивно нормальные, действительно когнитивно не повреждены.

Поскольку истинный базовый уровень PD-MCI неизвестен, нижний, средний и верхний пределы диапазона предполагаемых показателей распространенности также использовались для расчета положительных и отрицательных прогностических значений [25,26].

В условиях с более низким уровнем распространенности PD-MCI (например, 25%) использование -1 SD в совокупности максимизирует вероятность правильной классификации, но в условиях, содержащих популяцию с большей вероятностью нарушений (например, 45%), тогда -1,5 SD будет сделай это.

Поскольку все наши пациенты наблюдались в специализированной клинике, распространенность PD-MCI в нашей выборке, по-видимому, ближе к этой средней точке ранее оцененных показателей распространенности.

В совокупности использование порогового значения стандартного отклонения -1,5 привело к тому, что членство в кластере имело высокую точность классификации на основе модели, самый большой YI и совместно максимизированное PPV/NPV (на основе клинических условий нашей выборки).

For more information:1950477648nn@gmail.com