도전적인 참여가 노인의 인지에 미치는 영향 (engAGE)

모든 노인은 나이가 들어감에 따라 어느 정도의 인지 손상을 경험하며 85세 이상 성인의 약 32%가 알츠하이머병(AD)을 앓고 있습니다. 알츠하이머 협회는 AD 증상의 시작을 5년만 늦춰도 발생률을 50%까지 줄일 수 있다고 추정합니다! 현재의 임상 시험은 풍부한 관찰 작업과 PI의 연구실에서 수행된 보다 최근의 실험 연구를 기반으로 하며, 이는 평생 동안 인지 활력을 유지하는 중요한 요소가 정신적으로 도전적인 활동에 지속적으로 참여하는 것임을 시사합니다. 인지 능력이 정상인 미국 성인 표본에서 우리는 최근 3개월 동안 일주일에 15시간씩 빠르게 진행되는 까다로운 수업에서 디지털 사진, 퀼트 또는 둘 다를 배우도록 무작위로 배정된 노인들이 향상된 일화 기억 기능을 보였다는 것을 입증했습니다. - 참여 기간이 끝날 때와 중요하게는 1년 후(Park et al., 2014). 관찰된 기억력 향상은 새로운 학습에서 낮은 두 가지 능동적 통제 조건, 즉 재미있지만 능동적인 학습에 참여하지 않는 사회적 참여 그룹과 참가자들이 의존하는 인지 작업에 노력을 덜 기울이는 위약 조건과 비교했습니다. 이전 지식의 사용. 우리는 또한 노인들이 iPad에서 다양한 응용 프로그램을 사용하도록 훈련받았을 때 유사한 촉진 효과를 발견했습니다. 연구소는 가장 최근에 고노력 참여 조건에 참여한 노인 참가자가 신경 효율성의 증가를 보여 노인의 개입 전 패턴 특성에서 젊은 성인의 전형적인 개입 후 패턴으로 신경 활동의 변화를 보였다고 보고했습니다. 상대적으로 적은 수의 피험자가 포함된 이러한 결과를 바탕으로 우리는 정신적으로 도전적인 활동이 신경 구조 및 기능의 변화를 통해 인지적으로 정상적인 성인의 기억을 촉진하는지 여부를 결정하기 위해 더 큰 규모의 임상 시험을 수행할 것입니다. 우리는 (a) 노인의 인지 기능 향상에 있어 다양한 유형의 참여의 효능을 평가하고, (b) 투자된 정신적 노력이 참여 효과를 설명하는 기본 메커니즘일 가능성을 조사하고, (c) 임상 시험 연구를 수행할 것을 제안합니다. ) 수요가 많은 활동에 참여하면 안정적인 뇌 변화가 발생하는지 여부를 보여줍니다. 우리는 노인들이 노력이 많이 드는 작업(사진 학습)에 지속적으로 참여하면 기억력과 뇌의 조절 능력이 모두 증가할 것으로 기대합니다.

무작위배정 절차 및 통계 분석:

잠재적 참가자는 초기 자격 양식을 작성합니다. 자격이 있는 것으로 간주되는 사람에게 연락하고 TICS인지 전화 인터뷰 심사를 거쳐 온라인 인구 통계학적 등록 설문지에 대한 링크를 제공합니다.

이 화면을 통과한 대상자를 정보 세션에 초대합니다. 이 세션에서 프로젝트 RA는 잠재적 참가자에게 동의하고 MRI 검사 양식을 작성하도록 합니다. 인지 테스트 및 MRI 스캔(해당되는 경우)을 위해 동의하는 참가자를 예약합니다.

인지 및 MRI 테스트를 위해 따로 마련된 3주 기간 동안 중앙에서 생성된 무작위화 체계를 사용하여 세 가지 치료 부문에 피험자를 할당합니다. 모든 잠재적 참가자에 대한 기본 데이터는 무작위화 시점에 사용할 수 있으므로 이 설정에서 개선된 공변량 균형을 달성할 수 있는 Morgan 및 Rubin(2012 Annals of Statistics 40:1263)의 재무작위화 방법을 사용합니다. 우리는 일련의 무작위화를 생성하고 연령, 교육 및 성별에 대한 균형에 대해 평가하고 치료 그룹 전체에 걸친 공변량의 분포를 비교하는 MANOVA F 통계 측면에서 균형을 지정합니다. 이 기준을 충족하는 무작위배정을 식별하면 적격 참가자에게 적용합니다.

예비 분석. 초기 분석에서는 범주형 변수를 비율로 요약하고 연속형 변수를 평균 및 분위수로 요약합니다. 연속 변수를 그래프로 표시하고 왜도가 있는지 평가하고 필요한 경우 변환(예: 로그 또는 제곱근)하여 정규 분포에 더 가깝게 렌더링합니다. 산점도와 상관관계 매트릭스를 검토하여 변수 간의 관계를 탐색합니다. R(버전 3.3.2)에서 모든 분석을 수행합니다. 이상) 또는 SAS(버전 9.4 이상).

주요 결과 변수 분석. 일차 인지 결과 종점은 복합 스칼라 에피소드 기억 점수입니다. 이 척도는 기준선에서 높은 점수를 부여한 대상이 후속 조치에서도 높은 점수를 부여할 가능성이 있다는 점에서 대상 간 상당한 변동성을 나타낼 것입니다. 이를 설명하기 위해 1차 분석에서 공분산 분석을 통해 기준선 수준을 조정할 것입니다. 즉, 치료 후 결과에 대한 회귀 모델에서 치료군과 함께 기준선 값을 포함합니다. 또는 (동등하게) 혼합 모델에서 결과 변수를 분석하여 치료 전(기준선) 및 치료 종료(14주) 결과를 포함하여 시간별 상호 작용을 추정하여 치료 효과를 평가할 수 있습니다. . 치료 효과의 크기와 시기를 더 자세히 설명하기 위한 2차 분석으로, 시간, 치료 부문, 계층화 요인(연령, 성별, 교육) 및 잠재적으로 기준선에서 측정된 기타 요인의 함수로 이 결과의 인색한 모델을 만들려고 합니다. .

1차 뇌 결과는 관심 있는 4개의 뇌 영역(중간 대상, 전두엽, 두정내 측두엽 및 하측두이랑)에서 fMRI 활성화의 벡터 측정값이 될 것입니다. 이 측정은 또한 상당한 개체 간 가변성을 나타낼 가능성이 있습니다. 시간별 상호 작용을 추정하여 치료 효과를 평가하는 혼합 모델에서 결과 변수를 다시 분석하고 시간, 치료군, 층화 요인의 함수로 4개 지역에서 활성화를 모델링하는 2차 분석을 수행합니다( 연령, 성별, 교육) 및 잠재적으로 기준선에서 측정된 기타 요인.