パーキンソン病による軽度認知障害の保険数理基準をデータに基づく認知表現型にマッピングするパート 3
Aug 21, 2024
3.2. PD-MCI の有病率とサブタイプ
PD-MCIの有病率は、-1 SDカットオフを使用した場合は40.1%(n=198)、-1.5カットオフを使用した場合は21.5%(n=105)、9.1%(n {{12 }}) -2 SD カットオフを使用する場合。
罹患率と記憶の間には大きな関係があります。研究によると、健康を維持すると記憶力と認知能力が大幅に向上しますが、病気により記憶力が低下する可能性があります。
高血圧、糖尿病、高コレステロール、肥満などの一般的な健康上の問題は、記憶喪失と関連しています。これらの問題は脳内の血流に影響を及ぼし、神経損傷や脳細胞死などの問題を引き起こす可能性があります。さらに、うつ病、不安症などのいくつかの心理的問題も記憶喪失につながる可能性があります。
しかし、活動的なライフスタイルと健康的な習慣は病気の可能性を減らし、記憶力を大幅に向上させることができます。たとえば、食事の面では、健康的な食習慣を選択し、果物、野菜、全粒穀物の摂取量を増やし、高糖分、高脂肪、高塩分の食品を減らすことができます。さらに、適度な運動は健康に大きなメリットをもたらし、心臓血管の健康と認知能力の向上に役立ちます。良好な睡眠の質を維持すると、脳の修復と記憶の保存も促進されます。
さらに、良好な社会生活を維持し、脳を訓練し、ストレスを軽減することも、記憶力と認知能力を向上させることが示されています。つまり、ライフスタイルを調整し、健康的な習慣を維持することで、記憶力と認知能力を大幅に向上させ、病気のリスクを減らすことができます。このようにして、私たちは人生、仕事、勉強をより楽しむことができます。私たちは記憶力を向上させる必要があることがわかります。シスタンシュには、記憶と学習に非常に重要なアセチルコリンや成長因子のレベルを高めるなど、神経伝達物質のバランスも調節できるため、記憶力を大幅に向上させることができます。さらに、シスタンシュは血流を改善し、酸素の供給を促進することで、脳に十分な栄養とエネルギーを確保し、それによって脳の活力と持久力を向上させることができます。
カットオフ基準に基づいて PD-MCI に分類された症例の割合の間には有意差があり、大きな効果量 (χ2(2)=563.10、p < 0.001、 η2=0.66) と期待される方向の差 (p < 0.001)。
3 つのカットオフすべてにわたって、ほとんどの PD-MCI 症例には単一領域の障害がありました (-1 SD:64.59%、-1.5 SD: 77.0%、-2 SD: 80.22%) (図 1)。 Single-EF は最も一般的な PD-MCI サブタイプでした。
しかし、症例の顕著な部分は非EFサブタイプに分類されました(-1 SD: 19%、-1.5 SD: 19%、-2 SD: 26%)。これらの他のサブタイプへの分類は、主に記憶力と言語の欠損によって引き起こされました。
PD-MCI 症例のうち、-1、-1.5、および -2 SD カットオフを使用した場合、それぞれ 33%、25%、および 31% に記憶障害があり、17%、15%、および 11% に言語障害がありました。
3.3.クラスター由来の認知表現型
K 平均法クラスター分析の結果は、3 つのクラスターの存在を裏付けました。クラスターのメンバーシップは、10 回の反復後も安定していました。どのクラスターも許容できないほど小さいものではありませんでした。
クラスター中心の目視検査 (図 2) により、すべてのドメインにわたって平均的な認知力を持つグループ (n=154)、実行機能が低い (EF が低い) グループ (n=227)、および実行機能と記憶障害、および低言語スコア（顕著なEF/記憶障害）（n=113）。階層クラスター分析は、凝集係数の変化に基づいて 2 つまたは 3 つのクラスターの使用をサポートしました。
両方のクラスタリング方法で同じクラスタに割り当てられたケースの割合を調べると、2 クラスタ ソリューションと 4 クラスタ ソリューション (それぞれ 78.34%、58.70%) と比較して、3 クラスタ ソリューションの一致率が最も高かった (84.41%)。確率のしきい値を上回る 25% をはるかに超えています。
K 平均法を標準として使用すると、認知平均グループの 89.61% (n=138)、低 EF グループの 83.36% (n=189)、および 79.67% (n {{ 9}}) 顕著に障害のあるEF/記憶グループ。
両方のクラスタリング手法を使用した場合、同等のグループに割り当てられる可能性の間には有意な関係がありました (χ2(4)=598.73、p < 0.001)。したがって、3 つの K 平均クラスターはが最適なクラスター ソリューションであると判断され、その後のすべての分析で使用されました。
表 3 は、3 つの認知クラスターの人口統計、認知、気分、運動のスコアを示しています。クラスカル-ウォリス H テストの結果、3 つのクラスターは DRS-2 の合計スコアとすべての認知複合スコアにおいて予想される方向に大きく異なることが示されました。
具体的には、認知的に平均的なグループの参加者は、すべての認知指標にわたってEF/記憶障害が顕著なグループの参加者よりも優れた低EFグループの参加者よりも優れたパフォーマンスを示しました。
表 3 に示すように、3 つのクラスターは、運動症状の重症度、自己申告の気分症状、および人種/民族分布に関しても異なりました。すなわち、顕著に障害のあるEF/記憶クラスターの参加者は、他のクラスターおよびより強い抑うつ症状（BDI-II）に比べて、著しく大きな運動症状（UPDRSパートIIIスコア）、より強い無関心（AS）、より大きな特性不安（STAI:Trait）を有していた。 Cognitively Average クラスターよりも。
低EFおよび顕著に障害のあるEF/記憶クラスターの人々は、認知的平均クラスターよりも有意に大きな状態不安(STAI:状態)を示した。さらに、クラスターの非ヒスパニック系白人参加者の割合の間には有意な差があり、白人以外の参加者の割合には有意な差があった。他の両方のクラスターと比較した認知的平均クラスター。
対照的に、他の人口統計的特徴（年齢、学歴、性別）、罹患期間（診断からの年数、症状発現からの年数）、または各運動サブタイプを持つ参加者の割合に関しては、クラスター間に有意差はありませんでした。全体として、顕著に障害のあるEF/記憶クラスターは、他の2つのクラスターよりも気分、動機、および運動症状が著しく悪かったが、これらの違いの影響の大きさは小さかった。
フォローアップとして、認知複合物と気分/モチベーション測定値の間のピアソン相関分析を実施しました (分析については表 A2 を参照)。全体として、結果は、領域全体にわたって、気分症状の増大と認知能力の低下との間に、非常に小さいながらも一貫した関係があることを示唆し続けた。
さらに、言語ドメイン内で探索的分析を実施し、2 つの尺度のいずれかが顕著に障害のある EF/記憶クラスター内で見られる言語パフォーマンスの低下を引き起こしているかどうかを判断しました。セマンティック流暢性パフォーマンスは対立ネーミングよりも大幅に低いことがわかりました (表 A3 を参照)。
3.4.認知表現型とPD-MCI分類の関係
表 4 は、3 つの PD-MCI 障害カットオフを使用した各クラスター内の PD-MCI 症例の分布を示しています。独立性のピアソンカイ二乗検定により、PD-MCI 分類とクラスターメンバーシップが大きな効果量で互いに有意に関連していることが明らかになりました (表 4)。
3 つのカットオフすべてにわたって、認知平均クラスターには PD-MCI 症例がほとんど含まれていませんでした。 -1 SD カットオフを使用すると、Low EF および ProminentlyImpaired EF/Memory クラスターには PD-MCI 症例の同様の部分が含まれていました。
-1.5 SD カットオフを使用すると、PD-MCI 症例の約 4 分の 3 が顕著に障害のある EF/記憶クラスターに分類され、約 4 分の 1 が低 EF クラスターに分類されました。
最後に、-2 SD カットオフを使用すると、ほぼすべての PD-MCI 症例が顕著な障害のある EF/記憶クラスターに分類されました。したがって、障害カットオフが厳格であればあるほど、顕著に障害のある EF/記憶クラスターは、PD-MCI に分類されたケースのより多くの部分を含むことに対する感度が高くなります。
二値ロジスティック回帰分析により、クラスターのメンバーシップが PD-MCI 分類をどの程度予測するかを調べました。各障害カットオフには有意なオムニバステストがありました (-1 SD: X2(2)= 274.61、p < 0.001、Cox および Snell R{{ 8}}.43、ナーゲルケルケ R2=0.58; −1.5 SD: X2(2)=203.37、p < 0.001、コックスとスネル R2=0.34、ナーゲルケルケ R 2=0.52; −2 SD: X2(2)=128.35、p < 0.001、Cox および Snell R2=0.23、Nagelkerke R2=0.50) 。
モデルはすべて大きな効果量を持ち、PD-MCI 分類の分散の 50 ～ 58% を説明し、クラスターのメンバーシップは 3 つの障害カットオフ モデルすべてにおいて重要な予測因子でした。
-1 SD カットオフを使用すると、顕著に障害のある EF/記憶クラスターと比較して、認知平均クラスターのクラスターは PD-MCI として分類される確率が 1000 倍低く、一方、低 EF クラスターのクラスターは 16.95 倍でした。低いオッズ (p < 0.001; CognitivelyAverage クラスターの 95% 信頼区間 (CI): 200- 完全なモデル適合; Low EF の 95% CI: 8.29–35.71)。
このモデルは、PD-MCI 症例の 79.1% を、感度が低く (モデルによって PD-MCI 症例の約半分のみがそのように分類されたため)、優れた特異性 (認知的平均クラスター参加者のほぼすべてがモデルによって認知的に正常であると正しく分類されたため) で正しく分類しました。 ; 表5)。
-1.5 SD カットオフを使用すると、顕著に障害のある EF/記憶クラスターと比較して、認知的平均クラスターのクラスターは PD-MCI として分類されるオッズが 333.33 倍低く、一方、低 EF クラスターのクラスターは 18.87 倍低いオッズでした (p < 0.001、認知平均の 95% CI: 47.62-LowEF の 95% CI: 10.53 ～ 33.33)。
このモデルは、PD-MCI 症例の 87.9% を正確に分類し、-1 SD 基準モデルよりも高い感度とわずかに低い (それでも優れた) 特異度を示しました。最後に、-2 SD カットオフを使用すると、低 EF クラスターの症例は、顕著に障害のある EF/記憶クラスターと比較して PD-MCI として分類されるオッズが 71.43 倍低くなりましたが、認知平均クラスターの症例は PD-MCI として分類されませんでした。 (低EF p < 0.001、95% CI: 16.39–333.33)。
この最終モデルは PD-MCI 症例の 90.9% を正しく分類しましたが、このモデルではすべての症例が認知的に正常であるため、感度がゼロで特異度が完全であると予測されました。
モデルの予測された PD-MCI グループ メンバーシップを使用して実際の PDMCI 分類を予測すると、3 つのモデルすべてが有意で許容可能な C 統計を生成します (70% 以上、p < 0)。0{{ 15}}1; 表 5)。 -1.5 SD カットオフを使用したモデルは、共同で最大化された感度と特異度が最も高かった (-1 SD ユーデン指数 (YI): 0.50; -1.5 SD YI: 0.66; -2 SD YI: 0)。
表 5 は、一連の PD-MCI 基本レート推定値に基づく陽性的中率と陰性的中率を示しています。各カットオフのサンプルの有病率を使用すると、-1 SD カットオフは、モデルによって PD-MC として分類された人がこの保険数理診断に実際に適合する確率を最大化しますが、-1.5 SD カットオフは、認知的に正常と分類された人が真に認知的に無傷である確率を最大化します。
PD-MCI の真の基本率は不明であるため、推定有病率の範囲の下限、中間、上限も陽性および陰性的中率の計算に使用されました [25、26]。
PD-MCI有病率が低い設定（例：25％）では、-1 SDを使用すると正しい分類の確率が同時に最大化されますが、機能障害の可能性がより高い集団（例：45％）を含む設定では、-1.5 SDが使用されます。そうしてください。
私たちの患者は全員専門クリニックを受診していたので、私たちのサンプルにおける PD-MCI の有病率は、おそらく以前に推定された有病率の中間点に近いと考えられます。
総合すると、-1.5 SD カットオフを使用すると、高いモデルベースの分類精度、最大の YI、および最大化された PPV/NPV (サンプルの臨床設定に基づく) を持つクラスター メンバーシップが得られました。
For more information:1950477648nn@gmail.com
