Ikke-invasivt, bærbart multiparametersystem til tidlig forudsigelse af kognitiv tilbagegang og demens hos ældre voksne

BAGGRUND: Tidlig påvisning af prækliniske symptomer og forudsigelse af potentiel udvikling af mild kognitiv svækkelse (MCI) og Alzheimers sygdom (AD) kan forbedre ikke-farmakologiske, livsstils- og træningsrelaterede forebyggende interventioners effektivitet og bremse sygdomsprogression. For at nå dette mål vil det være nødvendigt at skelne det tidligste prækliniske stadium af MCI/AD fra sund tilstand. Dette er dog stadig udfordrende, og nuværende kliniske metoder er ikke gennemførlige til forebyggende screening i større populationer af ældre voksne, da de involverer invasiv prøvetagning af molekylært blod eller cerebrospinalvæske biomarkører, såvel som dyr hjernebilleddannelse og omfattende neuropsykologisk testning. For nylig har flere ikke-invasive alternative foranstaltninger, herunder elektroencefalografi (EEG), ganganalyse, hjertefrekvensvariabilitet (HRV) og kernekropstemperatur (Tc), vist sig at være forbundet med prækliniske symptomer på MCI/AD og at forudsige sygdomsprogression .

MÅL: Efterforskerne sigter mod at kombinere disse foranstaltninger i en ny ikke-invasiv multiparameter forudsigelsesmodel, som bedre afspejler multimodal symptomatologi sammenlignet med aktuelt anvendte metoder og derfor gør det muligt at diskriminere raske personer fra MCI-tilstand med tilstrækkelig følsomhed (dvs. >80 %).

METODER: En kohorte på 85 ældre voksne, ≥65 år, inklusive raske personer og patienter med MCI, vil blive rekrutteret. Vurderinger vil blive udført ved baseline, efter 2 måneder (inden for disse to 2 måneder vil den ene gruppe følge en kognitiv-motorisk træningsintervention, mens den anden fungerer som passiv kontrol), og efter 12 måneders opfølgning. Vurderinger inkluderer EEG, ganganalyse, HRV og Tc i hvile og under gang, og vil blive sammenlignet med referencemål for MCI-status, herunder neuropsykologiske tests, for at udvikle forudsigelsesmodellen og evaluere dens følsomhed.