Studie digitální detekce demence (D Cubed). (Dcubed)

Alzheimerova choroba a související demence (ADRD) negativně ovlivňují miliony Američanů s ročními společenskými náklady více než 200 milionů dolarů.1 V současné době polovina Američanů žijících s ADRD nikdy neobdrží diagnózu.2-7 U těch, kteří ano, se diagnóza často objevuje dva až pět let po nástupu příznaků.6-9 Jak uvedl Národní institut pro stárnutí (NIA) (RFA-AG-20-051) „Neschopnost diagnostikovat a léčit kognitivní poruchy má za následek prodlouženou a nákladnou lékařskou péči“ a „včasné odhalení by mohlo pomoci osobám s demencí a jejich pečovatelským partnerům. plán do budoucna“. Kromě toho, pokud je vývoj chorob modifikujících terapeutik pro ADRD úspěšný, může to vyžadovat použití takových terapeutik ve velmi rané fázi ADRD. kvůli jejich nízké akceptaci, invazivní povaze, ceně nebo nedostatečné dostupnosti ve venkovských nebo nedostatečně obsluhovaných oblastech. NIA tedy vyzvala k vývoji levných, efektivních a škálovatelných přístupů pro včasnou detekci ADRD (RFA-AG-20-051).

V reakci na výzvu RFA-AG-20-051 k „validaci a překladu screeningových a hodnotících nástrojů pro měření kognitivního úbytku bude v Eskenazi Health v centrálním centru provedena pragmatická klastrově randomizovaná kontrolovaná komparativní účinnost (NIH fáze IV). Indiana a jedna další replikovaná pragmatická studie mezi pacienty z různých venkovských, předměstských a městských praxí primární péče na jihu Floridy. Pragmatická studie bude zahrnovat pasivní digitální marker (PDM) a rychlou hodnotící stupnici demence (QDRS) v rámci placené roční wellness návštěvy Medicare (AWV) pro kohortu pacientů z praxí na dvou nezávislých pracovištích, s praxí randomizovanou v každém pragmatickém pokus o jedno ze 3 ramen (samotné AWV, AWV s PDM a PDM a QDRS).

Rychlá škála hodnocení demence (QDRS) – je validovaný nástroj hlášený pacientem (PRO).

Passive Digital Marker (PDM) – je algoritmus strojového učení (ML), který dokáže předpovídat ADRD jeden rok a tři roky před jejím nástupem pomocí dat z rutinních elektronických zdravotních záznamů (EHR). Algoritmus byl trénován pomocí strukturovaných a nestrukturovaných dat ze tří datových sad EHR: diagnóza (Dx), předpisy (Rx) a lékařské poznámky (Nx). Byly vyvinuty jednotlivé algoritmy odvozené z každého ze tří datových sad a porovnány s kombinovaným algoritmem, který zahrnoval všechny tři datové sady.