파킨슨병-경도 인지 장애에 대한 보험 통계 기준을 데이터 기반 인지 표현형에 매핑 3부
Aug 21, 2024
3.2. PD-MCI 및 하위 유형의 보급
PD-MCI의 유병률은 -1 SD 컷오프를 사용한 경우 40.1%(n=198), -1.5 컷오프를 사용한 경우 21.5%(n=105), 9.1%(n {{12 }}) -2 SD 컷오프를 사용할 때.
질병률과 기억력 사이에는 큰 관계가 있습니다. 연구에 따르면 건강을 유지하면 기억력과 인지 능력이 크게 향상되는 반면 질병은 기억 상실로 이어질 수 있습니다.
고혈압, 당뇨병, 고콜레스테롤, 비만 등과 같은 일부 일반적인 건강 문제는 기억 상실과 관련이 있습니다. 이러한 문제는 뇌의 혈류에 영향을 주어 신경 손상 및 뇌 세포 사멸과 같은 문제를 일으킬 수 있습니다. 또한 우울증, 불안 등 일부 심리적 문제로 인해 기억 상실이 발생할 수도 있습니다.
그러나 활동적인 생활 방식과 건강한 습관은 질병의 가능성을 줄이고 기억력을 크게 향상시킬 수 있습니다. 예를 들어, 다이어트 측면에서는 건강한 식습관을 선택하고, 과일, 채소, 통곡물 섭취를 늘리고, 고당분, 고지방, 고염분 식품을 줄일 수 있습니다. 또한 적당한 운동은 건강에 큰 이점을 제공하고 심혈관 건강과 인지 능력을 향상시키는 데 도움이 됩니다. 좋은 수면의 질을 유지하면 뇌 복구와 기억 저장도 촉진될 수 있습니다.
또한, 좋은 사회 생활을 유지하고, 뇌를 훈련하고, 스트레스를 줄이는 것도 기억력과 인지 능력을 향상시키는 것으로 나타났습니다. 간단히 말해서, 생활 방식을 조정하고 건강한 습관을 유지함으로써 우리는 기억력과 인지 능력을 크게 향상시키고 질병의 위험을 줄일 수 있습니다. 이런 식으로 우리는 삶과 일, 공부를 더 잘 즐길 수 있습니다. 기억력 향상이 필요하다는 것을 알 수 있는데, 시스탄체는 기억력과 학습에 매우 중요한 아세틸콜린과 성장인자의 수치를 높이는 등 신경전달물질의 균형도 조절할 수 있기 때문에 기억력을 크게 향상시킬 수 있습니다. 또한 Cistanche는 혈류를 개선하고 산소 전달을 촉진하여 뇌가 충분한 영양과 에너지를 얻을 수 있도록 하여 뇌 활력과 지구력을 향상시킬 수 있습니다.
oncutoff 기준에 따라 PD-MCI로 분류된 사례의 비율 간에는 큰 효과 크기(χ2(2)=563.10, p < 0.001, eta2=0.66) 및 예상 방향의 차이(p's < 0.001).
세 가지 컷오프 모두에서 대부분의 PD-MCI 사례에는 단일 영역 손상이 있었습니다(-1 SD:64.59%, -1.5 SD: 77.0%, -2 SD: 80.22%)(그림 1). 단일-EF가 가장 일반적인 PD-MCI 하위 유형이었습니다.
그러나 사례의 주목할만한 부분은 비EF 하위 유형에 속했습니다(-1 SD:19%, -1.5 SD: 19%, -2 SD: 26%). 이러한 다른 하위 유형으로의 분류는 주로 기억력 및 언어 장애로 인해 이루어졌습니다.
PD-MCI 사례 중 -1, -1.5, -2 SD 컷오프를 사용할 때 각각 33%, 25%, 31%에서 기억력 장애가 있었고 17%, 15%, 11%에서 언어 장애가 있었습니다.
3.3. 클러스터 기반 인지 표현형
K-평균 군집 분석 결과는 3개의 군집이 존재함을 뒷받침했습니다. 10번의 반복 후에도 군집 구성원은 안정적이었습니다. 클러스터 중 수용할 수 없을 정도로 작은 클러스터는 없었습니다.
클러스터 센터를 육안으로 검사한 결과(그림 2) 모든 영역에서 평균 인지를 보이는 그룹(n=154), 실행 기능이 낮은 그룹(낮은 EF)(n=227) 및 실행 기능 및 기억 장애, 저언어 점수(Prominently Impaired EF/Memory)(n= 113). 계층적 클러스터 분석은 응집 계수의 변화를 기반으로 2개 또는 3개의 클러스터 사용을 지원했습니다.
두 가지 군집화 방법으로 동일한 군집에 할당된 사례의 비율을 살펴보면 3군집 솔루션이 84.41%로 2군집 솔루션과 4군집 솔루션(각각 78.34%, 58.70%)에 비해 가장 높은 일치도를 보였으며, 확률 임계값보다 25% 더 큰 값을 훨씬 초과했습니다.
K-평균을 기준으로 했을 때, 인지 평균 그룹은 89.61%(n=138), Low EF 그룹은 83.36%(n=189), 79.67%(n=189)에서 동의했습니다. 9}}) 현저하게 손상된EF/메모리 그룹의
두 클러스터링 방법(χ2(4)=598.73, p < 0.001)을 사용하여 동등한 그룹에 할당될 가능성 사이에는 유의한 관계가 있었습니다. 따라서 3개의 K-평균 클러스터는 최적의 클러스터 솔루션으로 결정되어 모든 후속 분석에 사용되었습니다.
표 3은 세 가지 인지 클러스터의 인구통계학적, 인지적, 기분 및 운동 점수를 보여줍니다. Kruskal-Wallis H 테스트 결과 세 클러스터는 DRS-2 총 점수와 모든 인지 종합 점수에서 예상 방향으로 크게 다른 것으로 나타났습니다.
특히 인지 평균 그룹의 참가자는 모든 인지 지수에서 현저하게 손상된 EF/기억 그룹의 참가자보다 낮은 EF 그룹의 참가자보다 더 나은 성능을 보였습니다.
표 3에서 볼 수 있듯이 세 가지 클러스터는 운동 증상 심각도, 자가 보고된 기분 증상 및 인종/민족 분포와 관련하여 서로 달랐습니다. 즉, 현저하게 손상된 EF/기억 클러스터의 참가자는 다른 클러스터 및 우울증 증상(BDI-II)보다 훨씬 더 큰 운동 증상(UPDRS 파트 III 점수), 더 큰 무관심(AS) 및 더 큰 특성 불안(STAI:Trait)을 나타냈습니다. 인지 평균 클러스터보다.
낮은 EF 및 현저하게 손상된 EF/기억 클러스터의 사람들은 인지 평균 클러스터보다 상태 불안(STAI: 상태)이 훨씬 더 컸습니다. 더욱이 클러스터의 백인 비히스패닉 참가자 비율 간에는 상당한 차이가 있었으며 다른 두 클러스터를 기준으로 인지적으로 평균 클러스터를 만듭니다.
대조적으로, 다른 인구통계학적 특성(연령, 교육, 성별), 질병 기간(진단 후 연수, 증상 발병 후 연수) 또는 각 운동 하위 유형의 참가자 비율 전반에 걸쳐 클러스터 간에 유의미한 차이가 없었습니다. 전반적으로 현저하게 손상된 EF/기억 클러스터는 다른 두 클러스터보다 기분, 동기 및 운동 증상이 상당히 나빴지만 이러한 차이의 효과 크기는 작았습니다.
후속 조치로 우리는 인지 복합물과 기분/동기 측정 사이의 Pearson 상관 분석을 수행했습니다(분석은 표 A2 참조). 전반적으로, 결과는 도메인 전반에 걸쳐 더 큰 기분 증상과 더 나쁜 인지 성능 사이에 예외적으로 작지만 일관된 관계를 제안했습니다.
또한 두 측정 중 하나가 현저하게 손상된 EF/기억 클러스터 내에서 나타나는 낮은 언어 성능을 유발하는지 확인하기 위해 언어 영역 내에서 탐색적 분석을 수행했습니다. 우리는 의미론적 유창성 성능이 대결 명명보다 현저히 낮다는 것을 발견했습니다(표 A3 참조).
3.4. 인지 표현형과 PD-MCI 분류의 관계
표 4는 threePD-MCI 손상 컷오프를 사용하여 각 클러스터 내 PD-MCI 사례의 분포를 보여줍니다. Pearson 카이제곱 독립성 테스트를 통해 PD-MCI 분류와 클러스터 멤버십이 큰 효과 크기로 서로 유의미하게 관련되어 있음이 밝혀졌습니다(표 4).
세 가지 컷오프 모두에서 인지 평균 클러스터에는 PD-MCI 사례가 거의 포함되지 않았습니다. -1 SD 컷오프를 사용하여 Low EF 및 ProminentlyImpaired EF/Memory 클러스터에는 PD-MCI 사례의 유사한 부분이 포함되었습니다.
-1.5 SD 컷오프를 사용하면 PD-MCI 사례의 약 3/4이 현저하게 손상된 EF/메모리 클러스터에 속했고 약 1/4은 Low EF 클러스터에 속했습니다.
마지막으로 -2 SD 컷오프를 사용하여 거의 모든 PD-MCI 사례가 현저하게 손상된EF/메모리 클러스터에 속했습니다. 따라서 손상 기준이 더 엄격할수록 현저하게 손상된 EF/메모리 클러스터는 PD-MCI로 분류된 사례의 더 많은 부분을 포함하는 데 더 민감해졌습니다.
이진 로지스틱 회귀 분석을 통해 클러스터 구성원이 PD-MCI 분류를 얼마나 잘 예측했는지 조사했습니다. 각 손상 컷오프에는 상당한 옴니버스 테스트가 있었습니다(−1 SD: X2(2)= 274.61, p < 0.001, Cox 및 Snell R{{ 8}}.43, Nagelkerke R2=0.58; −1.5 SD: X2(2)=203.37,p < 0.001, Cox 및 Snell R2=0.34, Nagelkerke R 2=0.52; −2 SD: X2(2)=128.35, p < 0.001,Cox 및 Snell R2=0.23, Nagelkerke R2=0.50) .
모든 모델은 PD-MCI 분류 분산의 50~58%를 설명하는 큰 효과 크기를 갖고 있었고, 군집 구성원은 세 가지 손상 컷오프 모델 모두에서 중요한 예측 변수였습니다.
-1 SD 컷오프를 사용하면 인지 평균 클러스터에 있는 항목은 현저하게 손상된 EF/메모리 클러스터에 비해 PD-MCI로 분류될 확률이 1000배 낮은 반면, 낮은 EF 클러스터에 있는 항목은 16.95배입니다. 더 낮은 확률(p < 0.001; CognitivelyAverage 클러스터의 95% 신뢰 구간(CI): 200-완벽한 모델 적합성; 낮은 EF의 95% CI:8.29–35.71).
이 모델은 민감도가 낮은 PD-MCI 사례의 79.1%(PD-MCI 사례의 약 절반만이 모델에 의해 분류됨)와 우수한 특이성(거의 모든 인지 평균 클러스터 참가자가 모델에 의해 인지적으로 정상으로 올바르게 분류됨)을 올바르게 분류했습니다. ; 표 5).
-1.5 SD 컷오프를 사용하면 인지 평균 클러스터에 있는 그룹은 현저하게 손상된 EF/메모리 클러스터에 비해 PD-MCI로 분류될 확률이 333.33배 낮은 반면, 낮은 EF 클러스터에 있는 그룹은 확률이 18.87배 낮습니다(p's < 0.001; 인지 평균의 95% CI: 47.62-완벽한 모델 적합성, LowEF의 95% CI: 10.53–33.33)
이 모델은 -1 SD 기준 모델보다 더 강한 민감도와 약간 더 낮은(그러나 여전히 우수한) 특이도로 PD-MCI 사례의 87.9%를 올바르게 분류했습니다. 마지막으로 -2 SD 컷오프를 사용하면 낮은 EF 클러스터의 사례는 현저하게 손상된 EF/메모리 클러스터에 비해 PD-MCI로 분류될 확률이 71.43배 더 낮았지만 인지 평균 클러스터의 사례는 PD-MCI로 분류되지 않았습니다. (낮은 EF p < 0.001,95% CI: 16.39–333.33).
이 최종 모델은 PD-MCI 사례의 90.9%를 올바르게 분류했지만 모델은 모든 사례가 인지적으로 정상이어서 null 민감도와 완벽한 특이성을 예측했습니다.
실제 PDMCI 분류를 예측하기 위해 모델의 예측된 PD-MCI 그룹 멤버십을 사용할 때 세 모델 모두 유의미하고 허용 가능한 C 통계(70% 이상, p의 < 0)를 생성합니다.0{{ 15}}1; -1.5 SD 컷오프를 사용한 모델은 공동으로 최대화된 민감도와 특이도가 가장 높았습니다(-1 SD Youden's Index(YI): 0.50; -1.5 SD YI: 0.66; -2 SD YI: 0).
표 5는 PD-MCI 기본 비율 추정치의 범위에 근거한 긍정적 및 부정적 예측 값을 나타냅니다. 각 컷오프에 대한 샘플 유병률을 사용하여 -1 SD 컷오프는 모델에 의해 PD-MCI로 분류된 사람들이 실제로 이 보험 통계적 진단을 충족할 확률을 최대화하는 반면, -1.5 SD 컷오프는 인지적으로 정상으로 분류된 사람들이 실제로 인지적으로 온전할 확률을 최대화합니다.
PD-MCI의 실제 기본 비율은 알려져 있지 않기 때문에 추정 유병률 범위의 하한, 중간, 상한도 양성 및 음성 예측 값을 계산하는 데 사용되었습니다 [25,26].
PD-MCI 유병률이 낮은 환경(예: 25%)에서는 -1 SD를 사용하면 올바른 분류 가능성이 공동으로 최대화되지만, 손상 가능성이 더 큰 인구(예: 45%)가 포함된 환경에서는 -1.5 SD가 사용됩니다. 그렇게 하세요.
우리 환자들은 모두 전문 클리닉에서 관찰되었기 때문에 우리 표본에서 PD-MCI의 유병률은 아마도 이전에 추정된 유병률의 중간점에 더 가까울 것입니다.
종합하면, -1.5 SD 컷오프를 사용하면 클러스터 멤버십이 높은 모델 기반 분류 정확도, 가장 큰 YI 및 공동으로 최대화된 PPV/NPV(샘플의 임상 설정 기준)를 갖게 됩니다.
For more information:1950477648nn@gmail.com
