機械学習を使用してアルツハイマー病に至る被験者の認知機能低下の進化を予測する (PREVIEW)
アルツハイマー病 (AD) には、数年から数十年続く可能性のある発症前の経過があります。 初期段階で被験者を特定することは、治療的介入と認知機能低下の予防に不可欠です。 現在の研究は、ADの初期段階の特徴を特定することに焦点を当てており、その目的のためにいくつかの概念が開発されています.
主観的認知機能低下 (SCD) は、被験者の以前の正常な状態と比較した認知能力の自己経験による持続的な低下として定義され、その間、被験者は標準化された認知テストで正常な年齢、性別、および教育調整されたパフォーマンスを示します。 SCD は現在の認知障害とは関係ありませんが、AD の危険因子としての潜在的な役割が考えられています。
この研究の目的は、機械学習ツールを使用して、精度データ、神経心理学的評価、性格特性、認知予備能、遺伝的要因、脳脊髄液 (CSF) 神経変性バイオマーカー、EEG、および SCD 状態からの転換を予測するためのイベント関連電位の記録を評価することです。 、軽度認知障害 (MCI) および AD に。
調査の概要
状態
詳細な説明
フィレンツェのカレッジ病院のアルツハイマー病および認知障害の地域レファレンス センターは、約 25 年前に、主観的認知機能低下 (SCD) の患者の臨床的、神経心理学的、性格およびライフスタイルのデータを収集するために開始しました。 これらのデータから出発して、本研究の目的は、SCD 被験者について収集される変数の数を増やし、臨床フォローアップを拡大して、疾患のより正確な経路を描写し、アルツハイマー病 (AD ）。
初期段階での認知障害の検出の利点は重要です。 このような検出は、従来、レポートとテスト結果に基づいて、1 人または複数の臨床医によって手動で実行されてきました。 機械学習アルゴリズムは、自動化されたプロセスと診断と分類への貴重な洞察を提供する可能性のある検出方法を提供します。 このツールを使用して、臨床医は、すでに SCD の段階で、患者の状態の可能な進化を予測するための最適なスクリーニングを設計し、決定プロトコルを通じて、現在の状況に基づいて各患者に対して実施する調査/検査の適切度を確立できます。危険な状態。
この研究の目的は、機械学習ツールを使用して、臨床データの精度、神経心理学的評価、性格特性、認知予備能、遺伝的要因、脳脊髄液 (CSF) 神経変性バイオマーカー、EEG および事象関連電位 (ERP) の特徴を評価することです。 ）SCD状態から軽度認知障害（MCI）およびADへの変換を予測する際に。
すべての参加者は、包括的な家族歴および臨床歴、一般的および神経学的検査、広範な神経心理学的バッテリー（すべての認知ドメインを調査する約19のテスト：記憶、注意、実行機能、言語、実践）、病前知能の推定（TIB - Test di Intelligenza）を受けます。 Breve、National Adult Reading Test - NART のイタリア版）、性格特性（Big Five Factors Questionnaire - BFFQ）、余暇活動の評価（知的活動、スポーツ活動、社会活動への参加に関して構造化されたインタビュー）、うつ病の評価（ハミルトンうつ病評価尺度 - HDRS)。 さらに、すべての患者はCSF分析を受けて確立されたバイオマーカー（Aβ42、総タウ、p-タウ）を評価し、DNA分析用の血液サンプルを収集して、アポリポタンパク質E（APOE）および脳由来神経栄養因子（BDNF）の遺伝子型を特定します。 . 特に、3 つの異なる一塩基多型 (SNP) が分析されます。
- BDNF SNP Val66Met (バリン-メチオニン置換) は、エピソード記憶の低下および MRI で分析された異常な海馬活性化とすでに関連していた
- アミロイド斑形成に関与する APOE 遺伝子 rs429358 および rs7412 減少の進行を評価するために、臨床的および神経心理学的評価のみが毎年繰り返されます。
サブサンプルは、研究に含まれるSCDのすべての新しい症例（約50）、MCIに変換されたすべての被験者（約25）、および主観的認知障害を10年未満報告しているすでに研究されているすべての患者を含むように選択されます。 （約75）。
この選択されたサブサンプルは、追加の調査も実行します: CSF バイオマーカー、安静時の EEG 記録、および ERP 登録。
約 150 人の被験者の脳波活動が記録されます。 参加者は、同時に記録されたEEGとともにERPテストバッテリーを投与されます。 特に EEG データの分析は、標準化された初期段階の EEG 処理パイプライン (PREP パイプライン) から始まり、1 Hz での高フィルタリング、不良チャネルの識別、および堅牢な平均参照の計算に焦点を当てています。 研究者は、静止状態の測定には固定長エポックを使用して信号エポックを実行し、タスク中に取得された信号には刺激ロック エポックを使用します。 アーティファクト信号を含むエポックは、半自動手順で削除されます。 研究者は、独立成分分析 (ICA) をデータに適用し、続いて、自己相関、EOG 電極との相関、焦点チャネルのトポグラフィー、およびモノソース ダイポール フィッティングの品質に基づいて、アーティファクト コンポーネントを半自動で検出します。 最後に、研究者は、センサー空間での電力特性、つまり周波数帯域電力、および線形/非線形機能的接続メトリック、つまり直接伝達関数と相互情報を、ソース再構築手順の後にソースレベルで計算します。 低解像度脳電磁トモグラフィー (LORETA) 法 (Pascual-Marqui et, al 2002)。
機械学習による分析は以下のように進めていきます。 最初の分析には、予備作業で SCD と診断されたすべての患者が含まれます。 研究者は、19 の神経心理学的テストすべて、性格評価の選択、および遺伝子プロファイルを含む一連のマルチモーダル機能を定義します。 研究者は、プロファイルの各単一次元の分散に基づいて共通の測定基準を定義し、機械学習アルゴリズムをトレーニングして、各プロファイルの「ベクトル」を、一定時間後の疾患の関連する進化に関連付けます (最初は可能なカテゴリは SCD、MCI、AD のみで、それ以上のサブレベルはありませんが、これは今後のラウンドで改善される可能性があります)。 まず、調査員は、サポート ベクター マシン (バイナリ デシジョン ツリーを使用する SVM) および k 最近傍点 (kNN) としての標準的な機械学習手順を使用して、この分類を実行します。 次に、神経生理学的評価が毎年繰り返されるという事実 (上記参照) を利用して、以前に神経画像データに適用された SuStaIn アルゴリズムを使用します (最新技術と Young 2018 を参照)。 簡単に言うと、このアルゴリズムは、プロファイルの各次元を z スコア化し、区分線形関数を使用して、各マーカーの蓄積のさまざまな経路、つまり健康値から異常値への進行をモデル化します。 このアプローチは、開始プロファイルに基づいて被験者の最終的な状態を予測する際に標準アルゴリズムよりも優れているだけでなく、同じ結果につながる可能性のあるさまざまなパスを強調しています。 別の一連の分析では、研究者は深層学習アプローチに従い、まったく同じ被験者プロファイルを使用して、一定時間後の患者の状態を予測するマルチレベル フィードフォワード人工ニューラル ネットワーク (ANN) をトレーニングします。 ネットワークは、標準的な勾配降下法とバックプロパゲーション手法でトレーニングされ、ドロップアウトとバッチ正規化手順によって、研究者は堅牢な自動分類結果を取得します。 SuStaIn と ANN の分類パフォーマンスを比較して、タスクに最も便利なアプローチを決定します。 さらに、彼らは標準的な次元削減技術を適用して最も顕著な特徴を抽出し、上記の手順を繰り返して、スクリーニングのサブセットで同じ結果を達成できるかどうかを評価します。
選択されたアプローチは、PREVIEW 中に募集された新規患者と、プロジェクト中にフォローアップ分析を受けている患者に対して繰り返されます。 唯一の違いは、最初のバージョンで使用されたすべてのデータだけでなく、BDNF、CSF バイオマーカー、および安静状態の EEG 記録と ERP から抽出された新しい特徴を含む、分析に含まれる一連の新しい要因です。 これには、すべての機能にわたって 2 番目のマルチモーダル メトリクスを定義する必要があり、その結果、機械学習ネットワークの再形成と再トレーニングが必要になります。 前述のように、アルゴリズムの 2 番目のバージョンでも、研究者は最適なパフォーマンスを達成する最小限の機能セットを定義することを目指します。 アルゴリズムの最終結果は、各患者の完全なプロファイルに基づいて、各患者の状態の進展を予測します。
研究の種類
入学 (予想される)
連絡先と場所
研究連絡先
- 名前：Valentina Bessi, MD, PhD
- 電話番号：+393496096308
- メール：valentina.bessi@unifi.it
研究連絡先のバックアップ
- 名前：Sonia Padiglioni, Psy, PhD
- 電話番号：+393488512232
- メール：padiglionis@aou-careggi.toscana.it
研究場所
-
-
-
Florence、イタリア、50143
- 募集
- IRCCS Don Gnocchi
-
コンタクト：
- Antonello Grippo, MD, PhD
-
主任研究者：
- Sandro Sorbi, MD, PhD
-
副調査官：
- Rachele Buralli
-
副調査官：
- Antonello Grippo, MD, PhD
-
Florence、イタリア
- 募集
- Department of Neuroscience, Psychology, Drug Research and Child Health, University of Florence
-
コンタクト：
- Benedetta Nacmias, PhD
- 電話番号：055/7948910
- メール：nacmias@unifi.it
-
主任研究者：
- Benedetta Nacmias, PhD
-
副調査官：
- Silvia Bagnoli, PhD
-
副調査官：
- Assunta Ingannato
-
Pisa、イタリア
- 募集
- Istituto di Biorobotica e Dipartimento di Eccellenza in Robotica e AI, Scuola Superiore Sant'Anna
-
コンタクト：
- Alberto Mazzoni, PhD
-
主任研究者：
- Alberto Mazzoni
-
副調査官：
- Michael Lassi
-
副調査官：
- Alberto Vergani
-
副調査官：
- Silvestro Micera
-
-
Tuscany Region
-
Florence、Tuscany Region、イタリア、50134
- 募集
- Aou Careggi
-
コンタクト：
- Valentina Bessi, MD, PhD
- 電話番号：+393496096308
- メール：valentina.bessi@unifi.it
-
コンタクト：
- Salvatore Mazzeo, MD
- 電話番号：+393477219137
- メール：salvatore.mazzeo@unifi.it
-
主任研究者：
- Valentina Bessi, MD, PhD
-
副調査官：
- Salvatore Mazzeo, MD
-
副調査官：
- Sonia Padiglioni, Psy, PhD
-
副調査官：
- Valentina Moschini, Psy
-
副調査官：
- Carmen Morinelli, Psy
-
副調査官：
- Giulia Giacomucci, MD
-
副調査官：
- Filippo Emiliani, MD
-
副調査官：
- Giulia Galdo, MD
-
副調査官：
- Juri Balestrini, MD
-
-
参加基準
適格基準
就学可能な年齢
- 子
- 大人
- 高齢者
健康ボランティアの受け入れ
受講資格のある性別
サンプリング方法
調査対象母集団
治験責任医師は、アルツハイマー病センターおよびフィレンツェのカレッジ病院の成人認知障害センターに自己紹介した一連の自発的な被験者を研究に含めます。
治験責任医師は、当クリニックですでに選択および評価された 300 人の SCD 患者を 1 回 (ベースライン) または複数回 (フォローアップ) 試験に含め、SCD または MCI の新しい被験者を追加してベースライン サンプルを増やします。
説明
包含基準:
- 認知機能低下の訴えが 6 か月以上続いている;
- 日常生活動作および日常生活の器械的活動のスケールで正常に機能している (Lawton and Brody, 1969);
- ベースラインで認知症の基準が満たされていない (DSM-V、American Psychiatric Association、2013)。
除外基準:
- 頭部外傷の病歴、現在の神経疾患および/または全身疾患、精神病の症状、大うつ病、アルコール依存症またはその他の薬物乱用
研究計画
研究はどのように設計されていますか？
デザインの詳細
- 観測モデル：コホート
- 時間の展望：見込みのある
コホートと介入
グループ/コホート |
介入・治療 |
|---|---|
|
健康管理
|
EEG 活動は、弾性キャップにセットされ、10-20 国際システムに従って配置された電極を使用して、19 のサイトから連続的に記録されます。
記録は、Fp1 と Fp2 を除くすべての電極の共通の平均を参照します。
再参照は、EEG アーティファクトの検出と分析の前に行われます。
データは 0.3 ～ 70 Hz のバンドパス フィルターで記録され、512 Hz のサンプリング レートでデジタル化され、アナログ デジタル精度は 16 ビットでした (Gal-Nt、EbNeuro®、フィレンツェ、イタリア)。
水平方向および垂直方向の眼球運動は、眼電図 (EOG) によって検出されます。
被験者はリクライニングチェアに約20分間座ります。
データは、256 Hz のサンプリング レート、105 dB (デシベル) のコモン モード除去比、および次の帯域通過特性で収集されます: 0.1 Hz ハイパス フィルター、100 Hz 5 次ローパス フィルター。
ERP 取得では、EEG データ取得に使用されたのと同じ EEG システムが使用されます。
参加者は、持続的注意を評価するように設計された 3 選択警戒タスク (3CVT) と、注意、エンコード、および画像認識メモリを評価するように設計された標準的な画像認識記憶タスク (SIR) で構成される EEG を同時に記録した ERP テスト バッテリーを投与されます。
SIR では、短期記憶喪失と意味記憶喪失を区別し、画像認識 ERP 効果の以前の結果を拡張するための刺激として画像が選択されます。
|
|
主観的認知機能低下患者
認知機能低下を訴える患者で、日常生活動作は正常に機能しており、ベースラインで MCI または認知症の基準が満たされていない。
|
3 つの SNP (それぞれ APOE および BDNF 遺伝子の rs429358、rs7412 および rs6265) は、ゲノム DNA のポリメラーゼ連鎖反応 (PCR) および Rotor-Gene 6,000 (Rotor-Gene 、Corbett Research、モートレイク、オーストラリア）。
EEG 活動は、弾性キャップにセットされ、10-20 国際システムに従って配置された電極を使用して、19 のサイトから連続的に記録されます。
記録は、Fp1 と Fp2 を除くすべての電極の共通の平均を参照します。
再参照は、EEG アーティファクトの検出と分析の前に行われます。
データは 0.3 ～ 70 Hz のバンドパス フィルターで記録され、512 Hz のサンプリング レートでデジタル化され、アナログ デジタル精度は 16 ビットでした (Gal-Nt、EbNeuro®、フィレンツェ、イタリア)。
水平方向および垂直方向の眼球運動は、眼電図 (EOG) によって検出されます。
被験者はリクライニングチェアに約20分間座ります。
データは、256 Hz のサンプリング レート、105 dB (デシベル) のコモン モード除去比、および次の帯域通過特性で収集されます: 0.1 Hz ハイパス フィルター、100 Hz 5 次ローパス フィルター。
CSF サンプルは、腰椎穿刺によって収集され、すぐに遠心分離され、分析を実行するまで-80 ° C で保存されます。
Aβ42、Aβ42/Aβ40 比、t-tau、および p-tau は、化学発光酵素イムノアッセイ (CLEIA) アナライザー LUMIPULSE® G600 (富士レビオ、東京、日本) を使用して測定されます。
広範な神経心理学的評価のために、研究者は次のツールを使用します: グローバル測定 (MMSE、情報記憶集中テスト)、言語的および空間的な短期および長期記憶を調査するタスク (数字スパン、コルシ タッピング テスト、5 つの単語および対になった単語)獲得と 10 分後と 24 時間後の想起、ショート ストーリーの即時想起と遅延想起)、前向き記憶 (リバーミード行動記憶テスト)、注意力 (トレイル メイキング テスト A、デュアル タスク)、言語 (トークン テスト、写真の名前付け、カテゴリー流暢性タスク、音素流暢性タスク）、構成的実践（図面のコピーとレイ・オステリース複雑な図形）、および実行機能（Trail Making Test B、Stroop Test、Frontal Assessment Battery、Weigl Test）。 自立生活スキルを評価するために、調査員は 2 つの構造化されたインタビューを使用します: 日常生活活動のスケール (ADL) と日常生活の道具的活動 (IADL)。 病前の知性を推定するために、すべてのケースで TIB テスト (Test di Intelligenza Breve) を実行します。これは、National Adult Reading Test (NART) のイタリア語版です。 被験者の性格特性を評価するために、研究者はビッグ ファイブ ファクター アンケート (BFFQ) を使用します。これは、感情の安定性、エネルギー、良心性、協調性、文化と経験に対する開放性の 5 つの要素を測定します。 認知予備のために。 被験者は、生活の中で、知的活動、スポーツ活動、社会活動への参加に関して構造化されたインタビューを受けます。 抑うつ症状の存在は、22 項目のハミルトンうつ病評価尺度 (HDRS) によって評価されます。
フォローアップ評価のために、各被験者は、完全な臨床評価、広範な神経心理学的評価（27テスト）、自立生活スキルの評価（ADLおよびIADL）、病前知能の推定（TIBテスト）、およびうつ病の尺度（ハミルトンうつ病）を実施します。評価尺度 - HDRS)。
ERP 取得では、EEG データ取得に使用されたのと同じ EEG システムが使用されます。
参加者は、持続的注意を評価するように設計された 3 選択警戒タスク (3CVT) と、注意、エンコード、および画像認識メモリを評価するように設計された標準的な画像認識記憶タスク (SIR) で構成される EEG を同時に記録した ERP テスト バッテリーを投与されます。
SIR では、短期記憶喪失と意味記憶喪失を区別し、画像認識 ERP 効果の以前の結果を拡張するための刺激として画像が選択されます。
|
|
軽度認知障害の患者
MCIと診断された患者
|
3 つの SNP (それぞれ APOE および BDNF 遺伝子の rs429358、rs7412 および rs6265) は、ゲノム DNA のポリメラーゼ連鎖反応 (PCR) および Rotor-Gene 6,000 (Rotor-Gene 、Corbett Research、モートレイク、オーストラリア）。
EEG 活動は、弾性キャップにセットされ、10-20 国際システムに従って配置された電極を使用して、19 のサイトから連続的に記録されます。
記録は、Fp1 と Fp2 を除くすべての電極の共通の平均を参照します。
再参照は、EEG アーティファクトの検出と分析の前に行われます。
データは 0.3 ～ 70 Hz のバンドパス フィルターで記録され、512 Hz のサンプリング レートでデジタル化され、アナログ デジタル精度は 16 ビットでした (Gal-Nt、EbNeuro®、フィレンツェ、イタリア)。
水平方向および垂直方向の眼球運動は、眼電図 (EOG) によって検出されます。
被験者はリクライニングチェアに約20分間座ります。
データは、256 Hz のサンプリング レート、105 dB (デシベル) のコモン モード除去比、および次の帯域通過特性で収集されます: 0.1 Hz ハイパス フィルター、100 Hz 5 次ローパス フィルター。
CSF サンプルは、腰椎穿刺によって収集され、すぐに遠心分離され、分析を実行するまで-80 ° C で保存されます。
Aβ42、Aβ42/Aβ40 比、t-tau、および p-tau は、化学発光酵素イムノアッセイ (CLEIA) アナライザー LUMIPULSE® G600 (富士レビオ、東京、日本) を使用して測定されます。
広範な神経心理学的評価のために、研究者は次のツールを使用します: グローバル測定 (MMSE、情報記憶集中テスト)、言語的および空間的な短期および長期記憶を調査するタスク (数字スパン、コルシ タッピング テスト、5 つの単語および対になった単語)獲得と 10 分後と 24 時間後の想起、ショート ストーリーの即時想起と遅延想起)、前向き記憶 (リバーミード行動記憶テスト)、注意力 (トレイル メイキング テスト A、デュアル タスク)、言語 (トークン テスト、写真の名前付け、カテゴリー流暢性タスク、音素流暢性タスク）、構成的実践（図面のコピーとレイ・オステリース複雑な図形）、および実行機能（Trail Making Test B、Stroop Test、Frontal Assessment Battery、Weigl Test）。 自立生活スキルを評価するために、調査員は 2 つの構造化されたインタビューを使用します: 日常生活活動のスケール (ADL) と日常生活の道具的活動 (IADL)。 病前の知性を推定するために、すべてのケースで TIB テスト (Test di Intelligenza Breve) を実行します。これは、National Adult Reading Test (NART) のイタリア語版です。 被験者の性格特性を評価するために、研究者はビッグ ファイブ ファクター アンケート (BFFQ) を使用します。これは、感情の安定性、エネルギー、良心性、協調性、文化と経験に対する開放性の 5 つの要素を測定します。 認知予備のために。 被験者は、生活の中で、知的活動、スポーツ活動、社会活動への参加に関して構造化されたインタビューを受けます。 抑うつ症状の存在は、22 項目のハミルトンうつ病評価尺度 (HDRS) によって評価されます。
フォローアップ評価のために、各被験者は、完全な臨床評価、広範な神経心理学的評価（27テスト）、自立生活スキルの評価（ADLおよびIADL）、病前知能の推定（TIBテスト）、およびうつ病の尺度（ハミルトンうつ病）を実施します。評価尺度 - HDRS)。
ERP 取得では、EEG データ取得に使用されたのと同じ EEG システムが使用されます。
参加者は、持続的注意を評価するように設計された 3 選択警戒タスク (3CVT) と、注意、エンコード、および画像認識メモリを評価するように設計された標準的な画像認識記憶タスク (SIR) で構成される EEG を同時に記録した ERP テスト バッテリーを投与されます。
SIR では、短期記憶喪失と意味記憶喪失を区別し、画像認識 ERP 効果の以前の結果を拡張するための刺激として画像が選択されます。
|
この研究は何を測定していますか？
主要な結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
SCDと診断された患者におけるMCIの臨床診断
時間枠：3年
|
ベースラインで SCD と診断された患者は、国立老化研究所およびアルツハイマー病協会 (NIA-AA) 基準 (Albert et al. . 2011)
|
3年
|
|
SCDおよびMCIと診断された患者におけるADの臨床診断
時間枠：3年
|
ベースラインで SCD または MCI と診断された患者は、NIA-AA 基準に従って AD への進行を検出するために、神経学的評価によって 6 か月ごとに、神経心理学的検査によって 12 か月ごとに追跡調査されます (Mc Khann et al. 2011)。
|
3年
|
二次結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
神経心理学的スコアの変動
時間枠：3年
|
含まれるすべての患者は、認知能力の変動を特定するために、広範な神経心理学的検査によって12か月ごとに評価されます。
|
3年
|
協力者と研究者
捜査官
- 主任研究者：Valentina Bessi, MD, PhD、Research and Innovation Centre for Dementia-CRIDEM, AOU Careggi, Florence, Italy
出版物と役立つリンク
一般刊行物
- Giacomucci G, Mazzeo S, Bagnoli S, Casini M, Padiglioni S, Polito C, Berti V, Balestrini J, Ferrari C, Lombardi G, Ingannato A, Sorbi S, Nacmias B, Bessi V. Matching Clinical Diagnosis and Amyloid Biomarkers in Alzheimer's Disease and Frontotemporal Dementia. J Pers Med. 2021 Jan 14;11(1):47. doi: 10.3390/jpm11010047.
- Mazzeo S, Bessi V, Bagnoli S, Giacomucci G, Balestrini J, Padiglioni S, Tomaiuolo G, Ingannato A, Ferrari C, Bracco L, Sorbi S, Nacmias B. Dual Effect of PER2 C111G Polymorphism on Cognitive Functions across Progression from Subjective Cognitive Decline to Mild Cognitive Impairment. Diagnostics (Basel). 2021 Apr 18;11(4):718. doi: 10.3390/diagnostics11040718.
- Bessi V, Balestrini J, Bagnoli S, Mazzeo S, Giacomucci G, Padiglioni S, Piaceri I, Carraro M, Ferrari C, Bracco L, Sorbi S, Nacmias B. Influence of ApoE Genotype and Clock T3111C Interaction with Cardiovascular Risk Factors on the Progression to Alzheimer's Disease in Subjective Cognitive Decline and Mild Cognitive Impairment Patients. J Pers Med. 2020 May 29;10(2):45. doi: 10.3390/jpm10020045.
- Mazzeo S, Padiglioni S, Bagnoli S, Bracco L, Nacmias B, Sorbi S, Bessi V. The dual role of cognitive reserve in subjective cognitive decline and mild cognitive impairment: a 7-year follow-up study. J Neurol. 2019 Feb;266(2):487-497. doi: 10.1007/s00415-018-9164-5. Epub 2019 Jan 2.
- Giacomucci G, Mazzeo S, Padiglioni S, Bagnoli S, Belloni L, Ferrari C, Bracco L, Nacmias B, Sorbi S, Bessi V. Gender differences in cognitive reserve: implication for subjective cognitive decline in women. Neurol Sci. 2022 Apr;43(4):2499-2508. doi: 10.1007/s10072-021-05644-x. Epub 2021 Oct 8.
- Mazzeo S, Bessi V, Padiglioni S, Bagnoli S, Bracco L, Sorbi S, Nacmias B. KIBRA T allele influences memory performance and progression of cognitive decline: a 7-year follow-up study in subjective cognitive decline and mild cognitive impairment. Neurol Sci. 2019 Aug;40(8):1559-1566. doi: 10.1007/s10072-019-03866-8. Epub 2019 Apr 5.
- Bessi V, Mazzeo S, Padiglioni S, Piccini C, Nacmias B, Sorbi S, Bracco L. From Subjective Cognitive Decline to Alzheimer's Disease: The Predictive Role of Neuropsychological Assessment, Personality Traits, and Cognitive Reserve. A 7-Year Follow-Up Study. J Alzheimers Dis. 2018;63(4):1523-1535. doi: 10.3233/JAD-171180.
- Mazzeo S, Padiglioni S, Bagnoli S, Carraro M, Piaceri I, Bracco L, Nacmias B, Sorbi S, Bessi V. Assessing the effectiveness of subjective cognitive decline plus criteria in predicting the progression to Alzheimer's disease: an 11-year follow-up study. Eur J Neurol. 2020 May;27(5):894-899. doi: 10.1111/ene.14167. Epub 2020 Mar 8.
- Amoroso N, Diacono D, Fanizzi A, La Rocca M, Monaco A, Lombardi A, Guaragnella C, Bellotti R, Tangaro S; Alzheimer's Disease Neuroimaging Initiative. Deep learning reveals Alzheimer's disease onset in MCI subjects: Results from an international challenge. J Neurosci Methods. 2018 May 15;302:3-9. doi: 10.1016/j.jneumeth.2017.12.011. Epub 2017 Dec 26.
- Bansal D. et al. Comparative Analysis of Various Machine Learning Algorithms for Detecting Dementia - Procedia Computer Science (2018) 132: 1497-1502
- Gouw AA, Alsema AM, Tijms BM, Borta A, Scheltens P, Stam CJ, van der Flier WM. EEG spectral analysis as a putative early prognostic biomarker in nondemented, amyloid positive subjects. Neurobiol Aging. 2017 Sep;57:133-142. doi: 10.1016/j.neurobiolaging.2017.05.017. Epub 2017 Jun 1.
- Guillem F, Rougier A, Claverie B. Short- and long-delay intracranial ERP repetition effects dissociate memory systems in the human brain. J Cogn Neurosci. 1999 Jul;11(4):437-58. doi: 10.1162/089892999563526.
研究記録日
主要日程の研究
研究開始 (実際)
一次修了 (予想される)
研究の完了 (予想される)
試験登録日
最初に提出
QC基準を満たした最初の提出物
最初の投稿 (実際)
学習記録の更新
投稿された最後の更新 (実際)
QC基準を満たした最後の更新が送信されました
最終確認日
詳しくは
本研究に関する用語
その他の研究ID番号
- 20RSVB
個々の参加者データ (IPD) の計画
個々の参加者データ (IPD) を共有する予定はありますか?
IPD プランの説明
医薬品およびデバイス情報、研究文書
米国FDA規制医薬品の研究
米国FDA規制機器製品の研究
この情報は、Web サイト clinicaltrials.gov から変更なしで直接取得したものです。研究の詳細を変更、削除、または更新するリクエストがある場合は、register@clinicaltrials.gov。 までご連絡ください。 clinicaltrials.gov に変更が加えられるとすぐに、ウェブサイトでも自動的に更新されます。