Forudsigelsesmodel for demensrisiko: Udvikling og validering

Hidtil har ingen demensmedicin vist en sygdomsmodificerende effekt i kliniske forsøg. Det er nu underforstået, at patologien bag Alzheimers sygdom er til stede årtier før symptomer bliver tydelige. Kun at starte en intervention, når en patient udvikler kognitive symptomer, og derfor når der er en betydelig sygdomsbyrde, kan reducere chancen for enhver sygdomsmodificerende effekt. I stedet kan målrette indsatser tidligere, når den patologiske byrde er lavere, øge sandsynligheden for at forebygge eller forsinke demensindtræden.

Der er derfor behov for en metode, der identificerer patienter, som har en øget risiko for at udvikle demens. Dette kræver udvikling af en risikoforudsigelsesmodel, som anvender flere prædiktorer i kombination til at producere individualiserede estimater af risikoen for at udvikle demensrisiko over tid.

En ideel risikoforudsigelsesmodel for en befolkningsbaseret applikation vil skulle bruge forudsigelser, der allerede er tilgængelige for eller let kan fås af praktiserende læger. Et sådant forudsigelsesværktøj kunne bruges som en billig, skalerbar metode til at rekruttere en "risikogruppe" af deltagere til fremtidige forsøg med risikomodifikationsstrategier eller forebyggende terapier. Når en effektiv sygdomsmodificerende intervention er identificeret, kunne klinikere bruge den samme model til at identificere risikopatienter, som kan have størst gavn af at gennemgå interventionen.

Et ideelt værktøj til forudsigelse af demensrisiko ville kun indeholde information, der er let tilgængelig for eller let tilgængelig for klinikere såsom praktiserende læger.

Efterforskerne sigter mod at udvikle to 10-årige risikoforudsigelsesmodeller: en til at forudsige demens af alle årsager og en til at forudsige demens ved Alzheimers sygdom hos voksne i Storbritannien i alderen 60-79 år ved kun at bruge prædiktorer, der rutinemæssigt er tilgængelige for praktiserende læger. De vil udvikle modellen ved hjælp af data fra Secure Anonymised Information Linkage (SAIL) Databank, som er sammensat af anonymiseret, forbundet primærpleje, hospitalsindlæggelser og dødelighedsdata for befolkningen i Wales, Storbritannien.

Efterforskerne vil derefter fortsætte med eksternt at validere deres demensrisikoforudsigelsesmodeller i et eksternt datasæt, såsom UK's Clinical Practice Research Datalink (CPRD). De vil også validere et eksisterende, publiceret studie ved hjælp af data fra The Health Improvement Network (THIN) (Walters et al. 2016) ved hjælp af dette eksterne datasæt, hvilket giver os mulighed for at sammenligne modellernes ydeevne.