Digital detektion af demens (D Cubed) undersøgelser: D3

Alzheimers sygdom og relaterede demenssygdomme (ADRD) påvirker millioner af amerikanere negativt med en årlig samfundsomkostning på mere end $200 millioner.1 I øjeblikket modtager halvdelen af ​​amerikanere, der lever med ADRD, aldrig en diagnose.2-7 For dem, der gør det, opstår diagnosen ofte to til fem år efter symptomdebut.6-9 Som udtalt af National Institute on Aging (NIA) (RFA-AG-20-051) "Uevnen til at diagnosticere og behandle kognitiv svækkelse resulterer i langvarig og dyr medicinsk behandling" og "tidlig opdagelse kan hjælpe personer med demens og deres plejepartnere plan for fremtiden". Ydermere, hvis udviklingen af ​​sygdomsmodificerende terapier til ADRD lykkes, kan dette kræve brug af sådanne terapeutika på et meget tidligt stadium af ADRD.1 De nuværende tilgange til brug af kognitive tests eller biomarkører til tidlig påvisning af ADRD er imidlertid ikke skalerbare på grund af deres lave accept, deres invasive natur, deres omkostninger eller deres manglende tilgængelighed i landdistrikter eller underbetjente områder. NIA opfordrede således til udvikling af billige, effektive og skalerbare tilgange til tidlig påvisning af ADRD (RFA-AG-20-051).

Som svar på RFA-AG-20-051 opfordringen til "validering og oversættelse af screenings- og vurderingsværktøjer til måling af kognitiv tilbagegang vil en pragmatisk klynge-randomiseret kontrolleret sammenlignende effektivitet (NIH Stage IV) forsøg blive udført i Eskenazi Health i det centrale Indiana og et yderligere replikeret pragmatisk forsøg blandt patienter fra forskellige land-, forstads- og byplejepraksis i det sydlige Florida. Det pragmatiske forsøg vil inkorporere Passive Digital Marker (PDM) og Quick Dementia Rating Scale (QDRS) i Medicares betalte årlige wellness-besøg (AWV) for en kohorte af patienter fra praksis på tværs af de to uafhængige steder, med praksis randomiseret i hver pragmatisk forsøg til en af ​​de 3 arme (AWV alene, AWV med PDM og PDM og QDRS).

Quick Dementia Rating Scale (QDRS) - er et valideret patientrapporteret resultat (PRO)-værktøj.

Passive Digital Marker (PDM) - er en ML-algoritme (Machine Learning), som kan forudsige ADRD et år og tre år før dens begyndelse ved at bruge data om rutinepleje elektroniske sundhedsjournaler (EPJ). Algoritmen blev trænet ved hjælp af strukturerede og ustrukturerede data fra tre EPJ-datasæt: diagnose (Dx), recepter (Rx) og medicinske noter (Nx). Individuelle algoritmer afledt af hvert af de tre datasæt blev udviklet og sammenlignet med en kombineret, der omfattede alle tre datasæt.