Personlig medicin til identifikation af præklinisk kognitiv svækkelse. Udvikling af en prædiktiv risikomodel (DENDRITE)

"Den omfattende plan for Alzheimers og andre demenssygdomme" viser, at mere end 50 % af tilfældene af kognitiv svækkelse (CI) i befolkningsbaserede undersøgelser er uopdagede. Tallet er særligt slående ved lettere demenssygdomme, hvor op mod 90 % er udiagnosticerede. Målet er at bruge den kombinerede kraft af integrationen af ​​kliniske, molekylære, proteomiske, genomiske, pleje-, sociale, miljømæssige og adfærdsmæssige data i patienter, ved at bruge avancerede kunstig intelligens-teknikker til databehandling og -analyse, for at generere prædiktive modeller for præklinisk påvisning af CI i befolkningen i alderen 55-70 år.

Multicenter, ikke-interventionel, konvergent blandet metode observationsstudie, med en prospektiv observationsdesigndel og en kvalitativ designdel. Stikprøve rekrutteret tilfældigt blandt brugere af det offentlige sundhedssystem på de deltagende geografiske steder. Data vil blive indsamlet i 6 regioner (Andalusien, Castilla-Mancha, Catalonien, Valencia, Madrid og Baskerlandet) og deres primære netværk for landdistrikter og byer (PC).

Ikke-institutionaliserede forsøgspersoner, i alderen mellem 55 og 70 år, tilknyttet PC-centre i de områder, der er inkluderet i undersøgelsen, med en "levende historie" (registreret inden for de sidste 12 måneder) og uden en etableret diagnose af CI.

En beskrivende analyse af befolkningens karakteristika vil blive udført ved hjælp af frekvenser og procenter eller mål for central tendens og spredning med deres 95 % konfidensintervaller. Baseline sociodemografiske og kliniske karakteristika vil blive sammenlignet for at studere prøvens homogenitet. Til sammenligning af kvalitative variabler vil Chi-square-testen eller Fishers eksakte test blive brugt og til sammenligning af kvantitative variabler vil t-testen eller Wilcoxon-testen blive brugt. Logistiske regressionsmodeller foreslås til at analysere sundhedsudfaldsfaktorer forbundet med mild kognitiv svækkelse. Alle modeller vil inkludere gentagne mål for hver enkelt person. Alle modeller vil justere for forskellige risikofaktorer, og for de faktorer, der kan ændre sig over tid, vil samspillet mellem tid og denne faktor blive undersøgt.

Indledningsvis vil multivariate lineære latente modeller blive brugt til den prædiktive model for kognitiv svækkelsesrisiko. Integrationen af ​​data fra flere informationskilder vil ske ved hjælp af multivariate probabilistiske modeller, for at finde en repræsentation af patienten i et funktionsrum påvirket af alle datakilder (besøg).

Webværktøjer såsom Ingenuity Pathway Analysis vil tillade integration af data på forskellige molekylære niveauer (genetisk, protein og autoantistof), mens værktøjer til kunstig intelligens vil tillade integration af sådanne data, data afledt af elektrokemiske sensorer og data relateret til kliniske og adfærdsmæssige data med kognitiv svækkelse for at opnå en prædiktiv model for kognitiv svækkelse, neurodegeneration og AD.