Studien zur digitalen Erkennung von Demenz (D-Cubed): D3

Die Alzheimer-Krankheit und verwandte Demenzerkrankungen (ADRD) wirken sich negativ auf Millionen Amerikaner aus und verursachen jährliche gesellschaftliche Kosten von mehr als 200 Millionen US-Dollar.1 Derzeit erhält die Hälfte der mit ADRD lebenden Amerikaner nie eine Diagnose.2-7 Bei denjenigen, bei denen dies der Fall ist, erfolgt die Diagnose häufig zwei bis fünf Jahre nach Auftreten der Symptome.6-9 Wie das National Institute on Aging (NIA) (RFA-AG-20-051) feststellt: „Die Unfähigkeit, kognitive Beeinträchtigungen zu diagnostizieren und zu behandeln, führt zu einer längeren und teuren medizinischen Versorgung“ und „eine Früherkennung könnte Menschen mit Demenz und ihren Pflegepartnern helfen.“ für die Zukunft planen“. Wenn die Entwicklung krankheitsmodifizierender Therapeutika für ADRD außerdem erfolgreich ist, kann dies den Einsatz solcher Therapeutika in einem sehr frühen Stadium der ADRD erfordern.1 Die aktuellen Ansätze zur Verwendung kognitiver Tests oder Biomarker zur Früherkennung von ADRD sind jedoch nicht skalierbar aufgrund ihrer geringen Akzeptanz, ihres invasiven Charakters, ihrer Kosten oder ihrer mangelnden Zugänglichkeit in ländlichen oder unterversorgten Gebieten. Daher forderte die NIA die Entwicklung kostengünstiger, effektiver und skalierbarer Ansätze zur Früherkennung von ADRD (RFA-AG-20-051).

Als Reaktion auf den RFA-AG-20-051-Aufruf zur „Validierung und Übersetzung von Screening- und Bewertungsinstrumenten zur Messung des kognitiven Rückgangs“ wird bei Eskenazi Health im Zentrum eine pragmatische Cluster-randomisierte kontrollierte vergleichende Wirksamkeitsstudie (NIH Stufe IV) durchgeführt Indiana und eine weitere replizierte pragmatische Studie mit Patienten aus verschiedenen ländlichen, vorstädtischen und städtischen Grundversorgungspraxen in Südflorida. Die pragmatische Studie wird den Passive Digital Marker (PDM) und die Quick Dementia Rating Scale (QDRS) in den von Medicare bezahlten jährlichen Wellness-Besuch (AWV) für eine Kohorte von Patienten aus Praxen an den beiden unabhängigen Standorten einbeziehen, wobei die Praxen an jedem pragmatischen Standort randomisiert werden Versuch zu einem der drei Arme (AWV allein, AWV mit PDM und PDM und QDRS).

Die Quick Dementia Rating Scale (QDRS) ist ein validiertes PRO-Tool (Patient Reported Outcome).

Passive Digital Marker (PDM) – ist ein Algorithmus für maschinelles Lernen (ML), der ADRD ein Jahr und drei Jahre vor seinem Auftreten vorhersagen kann, indem er Daten aus der elektronischen Gesundheitsakte (EHR) der Routineversorgung verwendet. Der Algorithmus wurde mithilfe strukturierter und unstrukturierter Daten aus drei EHR-Datensätzen trainiert: Diagnose (Dx), Verschreibungen (Rx) und medizinische Notizen (Nx). Aus jedem der drei Datensätze abgeleitete individuelle Algorithmen wurden entwickelt und mit einem kombinierten Algorithmus verglichen, der alle drei Datensätze umfasste.