기계 학습을 통해 알츠하이머병에 대한 주관적 인지 저하의 진화 예측 (PREVIEW)
알츠하이머병(AD)은 수년에서 수십년까지 지속될 수 있는 전증상 과정을 갖는다. 초기 단계에서 피험자를 식별하는 것은 치료 개입 및 인지 저하의 가능한 예방에 매우 중요합니다. 현재 연구는 알츠하이머병의 초기 단계의 특성을 식별하는 데 초점을 맞추고 있으며 이를 위해 몇 가지 개념이 개발되었습니다.
주관적 인지 저하(SCD)는 피험자의 이전 정상 상태와 비교하여 인지 능력의 자가 경험적 지속적인 감소로 정의되며, 그 동안 피험자는 표준화된 인지 테스트에서 정상적인 연령, 성별 및 교육 조정 성능을 보입니다. SCD는 현재 인지 장애와 관련이 없지만 AD의 위험 요인으로서의 잠재적인 역할에 대해 고려되었습니다.
이 연구의 목적은 기계 학습 도구를 통해 정확도 데이터, 신경심리학적 평가, 성격 특성, 인지 예비, 유전적 요인, 뇌척수액(CSF) 신경변성 바이오마커, EEG 및 이벤트 관련 전위 기록을 평가하여 SCD 상태로부터 전환을 예측하는 것입니다. , 가벼운 인지 장애(MCI) 및 AD.
연구 개요
상태
상세 설명
플로렌스에 있는 Careggi 병원의 알츠하이머병 및 인지 장애에 대한 지역 참조 센터는 약 25년 전에 주관적 인지 쇠퇴(SCD) 환자의 임상, 신경 심리학, 성격 및 생활 방식 데이터를 수집하기 시작했습니다. 이 데이터에서 시작하여 본 연구의 목적은 SCD 피험자에 대해 수집된 변수의 수를 늘리고 질병의 보다 정확한 경로를 기술하고 알츠하이머병(AD ).
초기 단계에서 인지 장애를 감지하는 이점은 매우 중요합니다. 이러한 탐지는 전통적으로 보고서 및 테스트 결과를 기반으로 한 명 이상의 임상의가 수동으로 수행했습니다. 기계 학습 알고리즘은 자동화된 프로세스와 진단 및 분류에 대한 귀중한 통찰력을 제공할 수 있는 감지 방법을 제공합니다. 이 도구를 사용하여 임상의는 이미 SCD 단계에서 환자 상태의 가능한 진화를 예측하고 의사 결정 프로토콜을 통해 각 환자에 대해 수행할 조사/검사의 적절성 정도를 설정할 수 있는 최적의 스크리닝을 설계할 수 있습니다. 위험 상태.
이 연구의 목적은 기계 학습 도구를 통해 임상 데이터의 정확성, 신경심리학적 평가, 성격 특성, 인지 예비, 유전적 요인, 뇌척수액(CSF) 신경변성 바이오마커 및 EEG 및 사건 관련 잠재력(ERP)의 특징을 평가하는 것입니다. ) SCD 상태에서 가벼운 인지 장애(MCI) 및 AD로의 전환을 예측할 때.
모든 참가자는 포괄적인 가족 및 임상 병력, 일반 및 신경학적 검사, 광범위한 신경 심리학적 배터리(모든 인지 영역을 탐색하는 약 19가지 테스트: 기억력, 주의력, 실행 기능, 언어, 실행), 병전 지능 평가(TIB - Test di Intelligenza)를 받게 됩니다. Breve, National Adult Reading Test - NART), 성격 특성(Big Five Factors Questionnaire - BFFQ), 여가 활동 평가(지적, 스포츠 및 사회 활동 참여에 관한 구조화된 인터뷰) 및 우울증 평가( 해밀턴 우울증 평가 척도 - HDRS). 또한, 모든 환자는 확립된 바이오마커(Aβ42, 총 타우, p-타우)를 평가하기 위해 CSF 분석을 받게 되며, DNA 분석을 위한 혈액 샘플을 수집하여 아포지단백 E(APOE) 및 뇌 유래 신경영양 인자(BDNF) 유전자형을 식별합니다. . 특히, 3개의 상이한 단일 뉴클레오티드 다형성(SNP)을 분석할 것이다:
- BDNF SNP Val66Met(발린-메티오닌 치환)는 이미 MRI로 분석한 불량한 일화 기억 및 비정상적인 해마 활성화와 관련이 있었습니다.
- 아밀로이드 플라크 형성에 관여하는 APOE 유전자 rs429358 및 rs7412 쇠퇴의 진행 정도를 평가하기 위해 매년 임상 및 신경심리학적 평가만을 반복한다.
하위 샘플은 연구에 포함된 모든 새로운 SCD 사례(약 50개), MCI로 전환된 모든 대상(약 25개) 및 10년 미만 동안 주관적 인지 장애를 보고한 이미 연구된 모든 환자를 포함하여 선택됩니다. (약 75).
이 선택된 하위 샘플은 CSF 바이오마커, 휴식 상태 EEG 기록 및 ERP 등록과 같은 추가 조사도 수행합니다.
약 150명의 피험자에 대해 EEG 활동이 기록됩니다. 참가자는 동시에 기록된 EEG와 함께 ERP 테스트 배터리를 관리받게 됩니다. 특히 EEG 데이터 분석은 1Hz에서 높은 필터링, 불량 채널 식별 및 강력한 평균 참조 계산에 초점을 맞춘 표준화된 초기 단계 EEG 처리 파이프라인(PREP 파이프라인)으로 시작됩니다. 조사관은 휴식 상태 측정을 위한 고정 길이 에포크와 작업 중에 획득한 신호에 대한 자극 잠금 에포크를 사용하여 신호 에포칭을 수행합니다. 아티팩트 신호를 포함하는 에포크는 반자동 절차로 제거됩니다. 그런 다음 조사관은 데이터에 독립 구성 요소 분석(ICA)을 적용한 다음 자기 상관 측정, EOG 전극과의 상관 관계, 초점 채널 지형 및 단일 소스 쌍극자 피팅의 품질을 기반으로 인공 구성 요소를 반자동으로 감지합니다. 마지막으로 조사자는 소스 재구성 절차 후 소스 수준에서 센서 공간, 즉 주파수 대역 전력 및 선형/비선형 기능 연결 메트릭, 즉 직접 전달 함수 및 상호 정보에서 전력 기능을 계산합니다. 저해상도 뇌 전자기 단층 촬영(LORETA) 방법(Pascual-Marqui et al 2002).
머신러닝 분석은 다음과 같이 진행됩니다. 첫 번째 분석에는 예비 작업에서 SCD로 진단된 모든 환자가 포함됩니다. 조사관은 모든 19가지 신경심리학적 검사, 성격 평가 선택 및 유전적 프로필을 포함하는 일련의 다중 양식 기능을 정의합니다. 조사관은 프로필의 각 단일 차원의 분산을 기반으로 공통 메트릭을 정의한 다음 기계 학습 알고리즘을 훈련하여 각 프로필 "벡터"를 고정된 시간 후(처음에는 가능한 범주는 더 이상의 하위 수준이 없는 SCD, MCI, AD만 되지만 추가 라운드에서 개선될 수 있습니다. 먼저 조사관은 지원 벡터 머신(SVM, 이진 결정 트리 사용) 및 k-최근접 이웃(kNN)과 같은 표준 기계 학습 절차를 사용하여 이 분류를 수행합니다. 그런 다음 그들은 이전에 신경 영상 데이터에 적용된 SuStaIn 알고리즘을 사용하기 위해 신경 생리학적 평가가 매년 반복된다는 사실을 이용할 것입니다(최신 기술 및 Young 2018 참조). 간단히 말해서, 알고리즘은 프로필의 각 차원에 z-점수를 매기고 조각별 선형 함수를 사용하여 각 마커의 다양한 축적 경로, 즉 정상 값에서 비정상 값으로의 진행을 모델화합니다. 이 접근 방식은 시작 프로필을 기반으로 피험자의 최종 상태를 예측하는 데 있어서 표준 알고리즘을 능가할 뿐만 아니라 동일한 결과로 이어질 수 있는 다양한 경로를 강조합니다. 별도의 분석 세트에서 조사관은 고정된 시간 후 환자의 상태를 예측하는 다단계 피드포워드 인공 신경망(ANN)을 훈련하기 위해 정확히 동일한 대상 프로필을 사용하는 심층 학습 접근 방식을 따를 것입니다. 네트워크는 표준 그래디언트 디센트 및 역전파 기술로 훈련되고 드롭아웃 및 배치 정규화 절차를 통해 조사자는 강력한 자동 분류 결과를 얻을 수 있습니다. SuStaIn과 ANN 분류 성능을 비교하여 작업에 가장 편리한 접근 방식을 결정합니다. 또한 표준 차원 축소 기술을 적용하여 가장 두드러진 특징을 추출하고 위에서 설명한 절차를 반복하여 스크리닝의 하위 집합으로 동일한 결과를 얻을 수 있는지 여부를 평가합니다.
선택한 접근 방식은 PREVIEW 동안 모집된 새로운 환자와 프로젝트 동안 후속 분석을 받는 환자에게 반복됩니다. 유일한 차이점은 첫 번째 버전에서 사용된 모든 데이터뿐만 아니라 BDNF, CSF 바이오마커, 휴면 상태 EEG 기록 및 ERP에서 추출된 새로운 기능을 포함하여 분석에 포함된 새로운 요인 세트입니다. 이를 위해서는 모든 기능에 걸쳐 두 번째 다중 모달 메트릭을 정의하고 그에 따른 기계 학습 네트워크의 재구성 및 재교육이 필요합니다. 위에서 설명한 것처럼 알고리즘의 두 번째 버전에 대해서도 연구자는 최적의 성능을 달성하는 최소한의 기능 세트를 정의하는 것을 목표로 할 것입니다. 알고리즘의 최종 결과는 환자의 전체 프로필을 기반으로 각 환자의 상태 변화에 대한 예측을 제공합니다.
연구 유형
등록 (예상)
연락처 및 위치
연구 연락처
- 이름: Valentina Bessi, MD, PhD
- 전화번호: +393496096308
- 이메일: valentina.bessi@unifi.it
연구 연락처 백업
- 이름: Sonia Padiglioni, Psy, PhD
- 전화번호: +393488512232
- 이메일: padiglionis@aou-careggi.toscana.it
연구 장소
-
-
-
Florence, 이탈리아, 50143
- 모병
- IRCCS Don Gnocchi
-
연락하다:
- Antonello Grippo, MD, PhD
-
수석 연구원:
- Sandro Sorbi, MD, PhD
-
부수사관:
- Rachele Buralli
-
부수사관:
- Antonello Grippo, MD, PhD
-
Florence, 이탈리아
- 모병
- Department of Neuroscience, Psychology, Drug Research and Child Health, University of Florence
-
연락하다:
- Benedetta Nacmias, PhD
- 전화번호: 055/7948910
- 이메일: nacmias@unifi.it
-
수석 연구원:
- Benedetta Nacmias, PhD
-
부수사관:
- Silvia Bagnoli, PhD
-
부수사관:
- Assunta Ingannato
-
Pisa, 이탈리아
- 모병
- Istituto di Biorobotica e Dipartimento di Eccellenza in Robotica e AI, Scuola Superiore Sant'Anna
-
연락하다:
- Alberto Mazzoni, PhD
-
수석 연구원:
- Alberto Mazzoni
-
부수사관:
- Michael Lassi
-
부수사관:
- Alberto Vergani
-
부수사관:
- Silvestro Micera
-
-
Tuscany Region
-
Florence, Tuscany Region, 이탈리아, 50134
- 모병
- Aou Careggi
-
연락하다:
- Valentina Bessi, MD, PhD
- 전화번호: +393496096308
- 이메일: valentina.bessi@unifi.it
-
연락하다:
- Salvatore Mazzeo, MD
- 전화번호: +393477219137
- 이메일: salvatore.mazzeo@unifi.it
-
수석 연구원:
- Valentina Bessi, MD, PhD
-
부수사관:
- Salvatore Mazzeo, MD
-
부수사관:
- Sonia Padiglioni, Psy, PhD
-
부수사관:
- Valentina Moschini, Psy
-
부수사관:
- Carmen Morinelli, Psy
-
부수사관:
- Giulia Giacomucci, MD
-
부수사관:
- Filippo Emiliani, MD
-
부수사관:
- Giulia Galdo, MD
-
부수사관:
- Juri Balestrini, MD
-
-
참여기준
자격 기준
공부할 수 있는 나이
- 어린이
- 성인
- 고령자
건강한 자원 봉사자를 받아들입니다
연구 대상 성별
샘플링 방법
연구 인구
조사관은 플로렌스에 있는 Careggi 병원의 알츠하이머병 및 성인 인지 장애 센터에 스스로 의뢰한 연속적인 자발적 피험자를 연구에 포함시킬 것입니다.
조사관은 임상에서 한 번(기준선) 또는 그 이상(추적) 평가한 SCD 환자 300명을 연구에 포함할 것이며, SCD 또는 MCI가 있는 새로운 대상자를 추가하여 기준선 샘플을 늘릴 것입니다.
설명
포함 기준:
- 6개월 이상 지속되는 인지 기능 저하를 호소함;
- 일상 생활 활동 및 일상 생활 척도의 도구적 활동에 대한 정상적인 기능(Lawton 및 Brody, 1969);
- 기준선에서 만족하지 못한 치매 기준(DSM-V, American Psychiatric Association, 2013).
제외 기준:
- 두부 손상 이력, 현재 신경계 및/또는 전신 질환, 정신병 증상, 주요 우울증, 알코올 중독 또는 기타 약물 남용
공부 계획
연구는 어떻게 설계됩니까?
디자인 세부사항
- 관찰 모델: 보병대
- 시간 관점: 유망한
코호트 및 개입
그룹/코호트 |
개입 / 치료 |
|---|---|
|
건강한 통제
|
EEG 활동은 탄성 캡에 설정되고 10-20 국제 시스템에 따라 배치된 전극을 사용하여 19개 사이트에서 연속적으로 기록됩니다.
기록은 Fp1 및 Fp2를 제외한 모든 전극의 공통 평균을 참조합니다.
재참조는 EEG 아티팩트 감지 및 분석 전에 수행됩니다.
데이터는 0.3-70Hz의 대역 통과 필터로 기록되고 512Hz의 샘플링 속도로 디지털화되며 아날로그-디지털 정밀도는 16비트(Gal-Nt, EbNeuro®, Florence, Italy)입니다.
수평 및 수직 안구 움직임은 전기오큘로그램(EOG)에 의해 감지됩니다.
피험자는 약 20분 동안 기대는 의자에 앉게 됩니다.
데이터는 256Hz의 샘플링 속도, 105dB(데시벨)의 공통 모드 거부 비율 및 다음과 같은 대역 통과 특성으로 수집됩니다: 0.1Hz 고역 통과 필터, 100Hz 5차 저역 통과 필터.
ERP 수집의 경우 EEG 데이터 수집에 사용된 것과 동일한 EEG 시스템이 사용됩니다.
참가자는 지속적인 주의를 평가하도록 설계된 3CVT(3선택 경계 작업)와 주의, 인코딩 및 이미지 인식 메모리를 평가하도록 설계된 표준 이미지 인식 메모리 작업(SIR)으로 구성된 동시에 기록된 EEG와 함께 ERP 테스트 배터리를 관리합니다.
SIR에서 이미지는 의미론적 기억 상실과 단기를 구별하고 이미지 인식 ERP 효과의 이전 결과를 확장하기 위한 자극으로 선택됩니다.
|
|
주관적 인지 기능 저하 환자
기준선에서 MCI 또는 치매에 대한 기준이 만족되지 않고 일상 생활 활동에서 정상적인 기능을 하는 인지 저하를 호소하는 환자.
|
3개의 SNP(각각 APOE 및 BDNF 유전자에 대한 rs429358, rs7412 및 rs6265)는 Rotor-Gene 6,000(Rotor-Gene , Corbett Research, Mortlake, 호주).
EEG 활동은 탄성 캡에 설정되고 10-20 국제 시스템에 따라 배치된 전극을 사용하여 19개 사이트에서 연속적으로 기록됩니다.
기록은 Fp1 및 Fp2를 제외한 모든 전극의 공통 평균을 참조합니다.
재참조는 EEG 아티팩트 감지 및 분석 전에 수행됩니다.
데이터는 0.3-70Hz의 대역 통과 필터로 기록되고 512Hz의 샘플링 속도로 디지털화되며 아날로그-디지털 정밀도는 16비트(Gal-Nt, EbNeuro®, Florence, Italy)입니다.
수평 및 수직 안구 움직임은 전기오큘로그램(EOG)에 의해 감지됩니다.
피험자는 약 20분 동안 기대는 의자에 앉게 됩니다.
데이터는 256Hz의 샘플링 속도, 105dB(데시벨)의 공통 모드 거부 비율 및 다음과 같은 대역 통과 특성으로 수집됩니다: 0.1Hz 고역 통과 필터, 100Hz 5차 저역 통과 필터.
CSF 샘플은 요추 천자에 의해 수집되고 즉시 원심분리되어 분석을 수행할 때까지 -80°C에서 보관됩니다.
Aβ42, Aβ42/Aβ40 비율, t-tau 및 p-tau는 화학발광 효소 면역분석(CLEIA) 분석기 LUMIPULSE® G600(Fujirebio, Tokyo, Japan)을 사용하여 측정됩니다.
광범위한 신경심리학적 평가를 위해 조사관은 다음 도구를 사용합니다: 전역 측정(MMSE, 정보-기억-집중 테스트), 언어 및 공간 단기 및 장기 기억을 탐색하는 작업(Digit Span, Corsi Tapping Test, Five Words and Paired Words) 10분 및 24시간 후 획득 및 회상, 짧은 이야기 즉시 및 지연 회상), 예상 기억(Rivermead 행동 기억 테스트), 주의력(Trail Making Test A, 이중 작업), 언어(토큰 테스트, 그림 이름 지정, 범주 유창성 작업, Phonemic Fluency Task), 구조적 실습(도면 복사 및 Rey-Osterrieth 복합 도형) 및 집행 기능(Trail Making Test B, Stroop Test, Frontal Assessment Battery, Weigl Test). 독립적인 생활 능력을 평가하기 위해 조사관은 일상 생활 척도 활동(ADL)과 도구적 일상 생활 척도 활동(IADL)의 두 가지 구조화된 인터뷰를 사용합니다. 병전 지능을 평가하기 위해 모든 사례에서 NART(National Adult Reading Test)의 이탈리아어 버전인 TIB 테스트(Test di Intelligenza Breve)를 수행합니다. 피험자의 성격 특성을 평가하기 위해 조사관은 정서적 안정, 에너지, 성실성, 친화성, 문화 및 경험에 대한 개방성 등 5가지 요소를 측정하는 BFFQ(Big Five Factors Questionnaire)를 사용할 것입니다. 인지 예비를 위해. 과목은 삶의 과정에서 지적, 스포츠 및 사회 활동 참여와 관련하여 구조화 된 인터뷰를 수행합니다. 우울 증상의 존재는 22개 항목의 Hamilton Depression Rating Scale(HDRS)에 의해 평가됩니다.
후속 평가를 위해 각 피험자는 완전한 임상 평가, 광범위한 신경심리학적 평가(27개 테스트), 독립 생활 기술 평가(ADL 및 IADL), 병전 지능 평가(TIB 테스트) 및 우울증 척도(해밀턴 우울증)를 수행합니다. 등급 척도 - HDRS).
ERP 수집의 경우 EEG 데이터 수집에 사용된 것과 동일한 EEG 시스템이 사용됩니다.
참가자는 지속적인 주의를 평가하도록 설계된 3CVT(3선택 경계 작업)와 주의, 인코딩 및 이미지 인식 메모리를 평가하도록 설계된 표준 이미지 인식 메모리 작업(SIR)으로 구성된 동시에 기록된 EEG와 함께 ERP 테스트 배터리를 관리합니다.
SIR에서 이미지는 의미론적 기억 상실과 단기를 구별하고 이미지 인식 ERP 효과의 이전 결과를 확장하기 위한 자극으로 선택됩니다.
|
|
경미한 인지 장애가 있는 환자
MCI 진단을 받은 환자
|
3개의 SNP(각각 APOE 및 BDNF 유전자에 대한 rs429358, rs7412 및 rs6265)는 Rotor-Gene 6,000(Rotor-Gene , Corbett Research, Mortlake, 호주).
EEG 활동은 탄성 캡에 설정되고 10-20 국제 시스템에 따라 배치된 전극을 사용하여 19개 사이트에서 연속적으로 기록됩니다.
기록은 Fp1 및 Fp2를 제외한 모든 전극의 공통 평균을 참조합니다.
재참조는 EEG 아티팩트 감지 및 분석 전에 수행됩니다.
데이터는 0.3-70Hz의 대역 통과 필터로 기록되고 512Hz의 샘플링 속도로 디지털화되며 아날로그-디지털 정밀도는 16비트(Gal-Nt, EbNeuro®, Florence, Italy)입니다.
수평 및 수직 안구 움직임은 전기오큘로그램(EOG)에 의해 감지됩니다.
피험자는 약 20분 동안 기대는 의자에 앉게 됩니다.
데이터는 256Hz의 샘플링 속도, 105dB(데시벨)의 공통 모드 거부 비율 및 다음과 같은 대역 통과 특성으로 수집됩니다: 0.1Hz 고역 통과 필터, 100Hz 5차 저역 통과 필터.
CSF 샘플은 요추 천자에 의해 수집되고 즉시 원심분리되어 분석을 수행할 때까지 -80°C에서 보관됩니다.
Aβ42, Aβ42/Aβ40 비율, t-tau 및 p-tau는 화학발광 효소 면역분석(CLEIA) 분석기 LUMIPULSE® G600(Fujirebio, Tokyo, Japan)을 사용하여 측정됩니다.
광범위한 신경심리학적 평가를 위해 조사관은 다음 도구를 사용합니다: 전역 측정(MMSE, 정보-기억-집중 테스트), 언어 및 공간 단기 및 장기 기억을 탐색하는 작업(Digit Span, Corsi Tapping Test, Five Words and Paired Words) 10분 및 24시간 후 획득 및 회상, 짧은 이야기 즉시 및 지연 회상), 예상 기억(Rivermead 행동 기억 테스트), 주의력(Trail Making Test A, 이중 작업), 언어(토큰 테스트, 그림 이름 지정, 범주 유창성 작업, Phonemic Fluency Task), 구조적 실습(도면 복사 및 Rey-Osterrieth 복합 도형) 및 집행 기능(Trail Making Test B, Stroop Test, Frontal Assessment Battery, Weigl Test). 독립적인 생활 능력을 평가하기 위해 조사관은 일상 생활 척도 활동(ADL)과 도구적 일상 생활 척도 활동(IADL)의 두 가지 구조화된 인터뷰를 사용합니다. 병전 지능을 평가하기 위해 모든 사례에서 NART(National Adult Reading Test)의 이탈리아어 버전인 TIB 테스트(Test di Intelligenza Breve)를 수행합니다. 피험자의 성격 특성을 평가하기 위해 조사관은 정서적 안정, 에너지, 성실성, 친화성, 문화 및 경험에 대한 개방성 등 5가지 요소를 측정하는 BFFQ(Big Five Factors Questionnaire)를 사용할 것입니다. 인지 예비를 위해. 과목은 삶의 과정에서 지적, 스포츠 및 사회 활동 참여와 관련하여 구조화 된 인터뷰를 수행합니다. 우울 증상의 존재는 22개 항목의 Hamilton Depression Rating Scale(HDRS)에 의해 평가됩니다.
후속 평가를 위해 각 피험자는 완전한 임상 평가, 광범위한 신경심리학적 평가(27개 테스트), 독립 생활 기술 평가(ADL 및 IADL), 병전 지능 평가(TIB 테스트) 및 우울증 척도(해밀턴 우울증)를 수행합니다. 등급 척도 - HDRS).
ERP 수집의 경우 EEG 데이터 수집에 사용된 것과 동일한 EEG 시스템이 사용됩니다.
참가자는 지속적인 주의를 평가하도록 설계된 3CVT(3선택 경계 작업)와 주의, 인코딩 및 이미지 인식 메모리를 평가하도록 설계된 표준 이미지 인식 메모리 작업(SIR)으로 구성된 동시에 기록된 EEG와 함께 ERP 테스트 배터리를 관리합니다.
SIR에서 이미지는 의미론적 기억 상실과 단기를 구별하고 이미지 인식 ERP 효과의 이전 결과를 확장하기 위한 자극으로 선택됩니다.
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
SCD로 진단된 환자에서 MCI의 임상 진단
기간: 삼 년
|
기준선에서 SCD 진단을 받은 환자는 NIA-AA(National Institute on Aging and Alzheimer's Association) 기준(Albert et al. . 2011)
|
삼 년
|
|
SCD 및 MCI로 진단된 환자에서 AD의 임상 진단
기간: 삼 년
|
기준선에서 SCD 또는 MCI 진단을 받은 환자는 NIA-AA 기준에 따라 AD로의 진행을 감지하기 위해 신경학적 평가로 6개월마다, 신경심리학적 검사로 12개월마다 추적 관찰됩니다(Mc Khann et al. 2011).
|
삼 년
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
신경 심리학 점수의 변화
기간: 삼 년
|
포함된 모든 환자는 인지 기능의 변화를 식별하기 위해 광범위한 신경심리학적 검사를 통해 12개월마다 평가됩니다.
|
삼 년
|
공동 작업자 및 조사자
수사관
- 수석 연구원: Valentina Bessi, MD, PhD, Research and Innovation Centre for Dementia-CRIDEM, AOU Careggi, Florence, Italy
간행물 및 유용한 링크
일반 간행물
- 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.
연구 기록 날짜
연구 주요 날짜
연구 시작 (실제)
기본 완료 (예상)
연구 완료 (예상)
연구 등록 날짜
최초 제출
QC 기준을 충족하는 최초 제출
처음 게시됨 (실제)
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
QC 기준을 충족하는 마지막 업데이트 제출
마지막으로 확인됨
추가 정보
이 연구와 관련된 용어
기타 연구 ID 번호
- 20RSVB
개별 참가자 데이터(IPD) 계획
개별 참가자 데이터(IPD)를 공유할 계획입니까?
IPD 계획 설명
약물 및 장치 정보, 연구 문서
미국 FDA 규제 의약품 연구
미국 FDA 규제 기기 제품 연구
이 정보는 변경 없이 clinicaltrials.gov 웹사이트에서 직접 가져온 것입니다. 귀하의 연구 세부 정보를 변경, 제거 또는 업데이트하도록 요청하는 경우 register@clinicaltrials.gov. 문의하십시오. 변경 사항이 clinicaltrials.gov에 구현되는 즉시 저희 웹사이트에도 자동으로 업데이트됩니다. .