Voorspellen van de evolutie van subjectieve cognitieve achteruitgang tot de ziekte van Alzheimer met machine learning (PREVIEW)
De ziekte van Alzheimer (AD) heeft een presymptomatisch beloop dat enkele jaren tot tientallen jaren kan duren. Identificatie van proefpersonen in een vroeg stadium is cruciaal voor therapeutische interventie en mogelijke preventie van cognitieve achteruitgang. Huidig onderzoek is gericht op het identificeren van kenmerken van de vroege stadia van AD en daarvoor zijn verschillende concepten ontwikkeld.
Subjectieve cognitieve achteruitgang (SCD) wordt gedefinieerd als een zelf ervaren aanhoudende achteruitgang in cognitieve capaciteit in vergelijking met de eerder normale status van de proefpersoon, waarin de proefpersoon normale voor leeftijd, geslacht en opleiding aangepaste prestaties levert op gestandaardiseerde cognitieve tests. SCD is niet gerelateerd aan huidige cognitieve stoornissen, maar er is wel rekening mee gehouden vanwege zijn potentiële rol als risicofactoren voor AD.
Het doel van deze studie is om, door middel van machine learning tools, de nauwkeurigheidsgegevens, neuropsychologische beoordeling, persoonlijkheidskenmerken, cognitieve reserve, genetische factoren, cerebrospinale vloeistof (CSF) neurodegeneratie biomarkers, EEG en gebeurtenisgerelateerde potentiële opnames te evalueren bij het voorspellen van conversie van SCD-aandoening , tot milde cognitieve stoornissen (MCI) en AD.
Studie Overzicht
Toestand
Interventie / Behandeling
- Genetisch: Genetische analyse van APOE- en BDNF-genen.
- Diagnostische toets: EEG-opname
- Diagnostische toets: CSF-verzameling en AD-biomarkermeting
- Diagnostische toets: Neuropsychologische evaluatie
- Diagnostische toets: Beoordeling van cognitieve reserve, depressie, persoonlijkheidskenmerken en vrijetijdsbesteding
- Diagnostische toets: Klinisch-neuropsychologische opvolging
- Diagnostische toets: ERP-registratie
Gedetailleerde beschrijving
Het Regionaal Referentiecentrum voor de ziekte van Alzheimer en cognitieve stoornissen van het Careggi-ziekenhuis in Florence begon ongeveer 25 jaar geleden met het verzamelen van klinische, neuropsychologische, persoonlijkheids- en levensstijlgegevens voor patiënten met subjectieve cognitieve achteruitgang (SCD). Uitgaande van deze gegevens is het doel van de huidige studie om het aantal verzamelde variabelen op SCD-proefpersonen te vergroten en de klinische follow-up uit te breiden om een nauwkeuriger ziektepad af te bakenen en om zeer vroege proefpersonen te identificeren die het risico lopen op conversie bij de ziekte van Alzheimer (AD). ).
De voordelen van detectie van cognitieve stoornissen in een vroeg stadium zijn cruciaal. Dergelijke detectie wordt van oudsher handmatig uitgevoerd door een of meer clinici op basis van rapporten en testresultaten. Machine learning-algoritmen bieden een detectiemethode die een geautomatiseerd proces en waardevolle inzichten in diagnose en classificatie kan bieden. Met deze tool kunnen clinici optimale screenings ontwerpen om al in het stadium van SCZ mogelijke evoluties van de toestand van de patiënt te voorspellen, en door middel van beslissingsprotocollen de mate van geschiktheid van de onderzoeken/het onderzoek voor elke patiënt vaststellen, op basis van de huidige staat van risico.
Het doel van deze studie is om, door middel van machine learning tools, de nauwkeurigheid van klinische gegevens, neuropsychologische beoordeling, persoonlijkheidskenmerken, cognitieve reserve, genetische factoren, cerebrospinale vloeistof (CSF) neurodegeneratie biomarkers en kenmerken van EEG en event-related potentials (ERP) te evalueren. ) bij het voorspellen van de conversie van SCD-aandoening naar milde cognitieve stoornissen (MCI) en AD.
Alle deelnemers ondergaan een uitgebreide familiale en klinische geschiedenis, algemeen en neurologisch onderzoek, uitgebreide neuropsychologische batterij (ongeveer 19 tests die alle cognitieve domeinen onderzoeken: geheugen, aandacht, executieve functies, taal, praxis), schatting van premorbide intelligentie (TIB - Test di Intelligenza Breve, een Italiaanse versie van de National Adult Reading Test - NART), persoonlijkheidskenmerken (Big Five Factors Questionnaire - BFFQ), en evaluatie van vrijetijdsactiviteiten (gestructureerd geïnterviewd over deelname aan intellectuele, sportieve en sociale activiteiten) en beoordeling van depressie ( Hamilton Depressie Beoordelingsschaal - HDRS). Bovendien zullen alle patiënten een CSF-analyse ondergaan om gevestigde biomarkers (Aβ42, totaal tau, p-tau) te beoordelen en bloedmonsters voor DNA-analyse zullen worden verzameld om de genotypen Apolipoproteïne E (APOE) en van de hersenen afgeleide neurotrofe factor (BDNF) te identificeren . In het bijzonder zullen drie verschillende single nucleotide polymorphisms (SNP's) worden geanalyseerd:
- BDNF SNP Val66Met (valine-methionine-substitutie) werd al in verband gebracht met een slechter episodisch geheugen en abnormale activatie van de hippocampus, getest met MRI
- APOE-genen rs429358 en rs7412 die betrokken zijn bij de vorming van amyloïde plaques. Alleen de klinische en neuropsychologische beoordeling wordt jaarlijks herhaald om de progressie van de achteruitgang te evalueren.
De substeekproef zal worden geselecteerd, inclusief alle nieuwe gevallen van SCZ die in de studie zijn opgenomen (ongeveer 50), alle proefpersonen die zijn geconverteerd naar MCI (ongeveer 25) en alle reeds onderzochte patiënten die minder dan 10 jaar een subjectieve cognitieve stoornis melden (ongeveer 75).
Dit geselecteerde submonster zal ook aanvullende onderzoeken uitvoeren: CSF-biomarkers, EEG-opnamen in rusttoestand en ERP-registratie.
Van ongeveer 150 proefpersonen wordt de EEG-activiteit geregistreerd. De deelnemers krijgen een ERP-testbatterij toegediend met gelijktijdig opgenomen EEG. Analyse van met name EEG-gegevens zal beginnen met een gestandaardiseerde early-stage EEG-verwerkingspijplijn (PREP Pipeline) die zich richt op hoge filtering bij 1 Hz, de identificatie van slechte kanalen en de berekening van een robuuste gemiddelde referentie. De onderzoekers zullen signaaltijdperken uitvoeren met behulp van tijdvakken met een vaste lengte voor metingen van de rusttoestand en met stimulusvergrendelde tijdvakken voor signalen die tijdens taken zijn verkregen. Tijdperken die een artefactsignaal bevatten, worden verwijderd met een semi-automatische procedure. De onderzoekers zullen vervolgens onafhankelijke componentanalyse (ICA) op de gegevens toepassen, gevolgd door een halfautomatische detectie van artefactuele componenten op basis van metingen van autocorrelatie, correlatie met EOG-elektrode, focale kanaaltopografie en kwaliteit van mono-source dipoolaanpassing. Ten slotte zullen de onderzoekers vermogenskenmerken in de sensorruimte berekenen, d.w.z. frequentiebandvermogens, en lineaire/niet-lineaire functionele connectiviteitsstatistieken, d.w.z. directe overdrachtsfunctie en wederzijdse informatie, op bronniveau na een bronreconstructieprocedure, d.w.z. Low Resolution Brain Electromagnetic Tomography (LORETA)-methode (Pascual-Marqui et, al 2002).
Machine learning analyse gaat als volgt te werk. De eerste analyse omvat alle patiënten bij wie in het voorbereidende werk de diagnose SCZ is gesteld. De onderzoekers zullen een reeks multimodale kenmerken definiëren, waaronder alle 19 neuropsychologische tests, een selectie van de persoonlijkheidsbeoordelingen en het genetische profiel. De onderzoekers zullen een gemeenschappelijke maatstaf definiëren op basis van de spreiding van elke afzonderlijke dimensie van het profiel en vervolgens zullen ze een machine learning-algoritme trainen om elke profiel "vector" te associëren met de bijbehorende evolutie van de ziekte na een vaste tijd (in eerste instantie de mogelijke categorieën zijn alleen SCD, MCI, AD zonder verdere subniveaus, maar dit kan in volgende rondes worden verbeterd). Eerst zullen de onderzoekers deze classificatie uitvoeren met standaard machine learning-procedures als support vector machine (SVM, met behulp van binaire beslissingsbomen) en k-naaste buren (kNN). Vervolgens zullen ze gebruikmaken van het feit dat neurofysiologische beoordelingen jaarlijks worden herhaald (zie hierboven) om het SuStaIn-algoritme te gebruiken dat eerder werd toegepast op neuroimaging-gegevens (zie state of the art en Young 2018). In het kort, het algoritme z-scores elke dimensie van het profiel en modelleert met een stuksgewijze lineaire functie de verschillende paden van accumulaties van elke marker, d.w.z. de progressie van gezonde naar abnormale waarden. Deze aanpak presteert niet alleen beter dan standaardalgoritmen bij het voorspellen van de uiteindelijke toestand van de proefpersonen op basis van het startprofiel, maar benadrukt ook de verschillende paden die tot hetzelfde resultaat kunnen leiden. In een aparte reeks analyses zullen de onderzoekers een deep learning-benadering volgen, waarbij ze exact dezelfde proefpersoonprofielen gebruiken om een multi-level feedforward kunstmatig neuraal netwerk (ANN) te trainen dat de toestand van de patiënt na een vaste tijd voorspelt. De netwerken zullen worden getraind met standaard gradiëntafdaling en backpropagatietechnieken en door middel van drop-out- en batch-normalisatieprocedures zullen de onderzoekers robuuste automatische classificatieresultaten verkrijgen. Door SuStaIn- en ANN-classificatieprestaties te vergelijken, zullen ze de meest geschikte aanpak voor de taak bepalen. Bovendien zullen ze standaardtechnieken voor dimensionaliteitsreductie toepassen om de meest opvallende kenmerken te extraheren en de hierboven beschreven procedure herhalen om te beoordelen of het mogelijk is om dezelfde resultaten te bereiken met een subset van de screenings.
De geselecteerde aanpak zal vervolgens worden herhaald voor de nieuwe patiënten die tijdens PREVIEW zijn geworven en voor degenen die tijdens het project een vervolganalyse ondergaan. Het enige verschil is de nieuwe reeks factoren die in de analyse zijn opgenomen, inclusief alle gegevens die in de eerste versie zijn gebruikt, maar ook BDNF, CSF-biomarkers en de nieuwe kenmerken die zijn geëxtraheerd uit EEG-opnamen in rusttoestand en ERP. Dit vereist het definiëren van een tweede multimodale metriek voor alle functies, en een daaruit voortvloeiende hervorming en hertraining van het machine learning-netwerk. Zoals hierboven beschreven, zullen de onderzoekers zelfs voor de tweede versie van het algoritme streven naar het definiëren van de minimale set kenmerken die de optimale prestatie opleveren. Het uiteindelijke resultaat van het algoritme zal een voorspelling geven van de evolutie van de aandoening voor elke patiënt op basis van zijn/haar volledige profiel.
Studietype
Inschrijving (Verwacht)
Contacten en locaties
Studiecontact
- Naam: Valentina Bessi, MD, PhD
- Telefoonnummer: +393496096308
- E-mail: valentina.bessi@unifi.it
Studie Contact Back-up
- Naam: Sonia Padiglioni, Psy, PhD
- Telefoonnummer: +393488512232
- E-mail: padiglionis@aou-careggi.toscana.it
Studie Locaties
-
-
-
Florence, Italië, 50143
- Werving
- IRCCS Don Gnocchi
-
Contact:
- Antonello Grippo, MD, PhD
-
Hoofdonderzoeker:
- Sandro Sorbi, MD, PhD
-
Onderonderzoeker:
- Rachele Buralli
-
Onderonderzoeker:
- Antonello Grippo, MD, PhD
-
Florence, Italië
- Werving
- Department of Neuroscience, Psychology, Drug Research and Child Health, University of Florence
-
Contact:
- Benedetta Nacmias, PhD
- Telefoonnummer: 055/7948910
- E-mail: nacmias@unifi.it
-
Hoofdonderzoeker:
- Benedetta Nacmias, PhD
-
Onderonderzoeker:
- Silvia Bagnoli, PhD
-
Onderonderzoeker:
- Assunta Ingannato
-
Pisa, Italië
- Werving
- Istituto di Biorobotica e Dipartimento di Eccellenza in Robotica e AI, Scuola Superiore Sant'Anna
-
Contact:
- Alberto Mazzoni, PhD
-
Hoofdonderzoeker:
- Alberto Mazzoni
-
Onderonderzoeker:
- Michael Lassi
-
Onderonderzoeker:
- Alberto Vergani
-
Onderonderzoeker:
- Silvestro Micera
-
-
Tuscany Region
-
Florence, Tuscany Region, Italië, 50134
- Werving
- Aou Careggi
-
Contact:
- Valentina Bessi, MD, PhD
- Telefoonnummer: +393496096308
- E-mail: valentina.bessi@unifi.it
-
Contact:
- Salvatore Mazzeo, MD
- Telefoonnummer: +393477219137
- E-mail: salvatore.mazzeo@unifi.it
-
Hoofdonderzoeker:
- Valentina Bessi, MD, PhD
-
Onderonderzoeker:
- Salvatore Mazzeo, MD
-
Onderonderzoeker:
- Sonia Padiglioni, Psy, PhD
-
Onderonderzoeker:
- Valentina Moschini, Psy
-
Onderonderzoeker:
- Carmen Morinelli, Psy
-
Onderonderzoeker:
- Giulia Giacomucci, MD
-
Onderonderzoeker:
- Filippo Emiliani, MD
-
Onderonderzoeker:
- Giulia Galdo, MD
-
Onderonderzoeker:
- Juri Balestrini, MD
-
-
Deelname Criteria
Geschiktheidscriteria
Leeftijden die in aanmerking komen voor studie
- Kind
- Volwassen
- Oudere volwassene
Accepteert gezonde vrijwilligers
Geslachten die in aanmerking komen voor studie
Bemonsteringsmethode
Studie Bevolking
De onderzoekers zullen in de studie opeenvolgende spontane proefpersonen opnemen die zichzelf verwezen naar het Centrum voor de ziekte van Alzheimer en cognitieve stoornissen bij volwassenen van het Careggi-ziekenhuis in Florence.
De onderzoekers zullen in de studie 300 patiënten met SCZ opnemen die al een keer (baseline) of meermaals (follow-up) in onze kliniek zijn geselecteerd en geëvalueerd, en ze zullen de baseline-steekproef vergroten door nieuwe proefpersonen met SCZ of MCI toe te voegen.
Beschrijving
Inclusiecriteria:
- Klagen over cognitieve achteruitgang met een duur van ≥ 6 maanden;
- Normaal functioneren op de schaal Activiteiten van het dagelijks leven en de instrumentele activiteiten van het dagelijks leven (Lawton en Brody, 1969);
- Onvoldoende criteria voor dementie bij baseline (DSM-V, American Psychiatric Association, 2013).
Uitsluitingscriteria:
- Voorgeschiedenis van hoofdletsel, huidige neurologische en/of systemische ziekte, symptomen van psychose, ernstige depressie, alcoholisme of ander middelenmisbruik
Studie plan
Hoe is de studie opgezet?
Ontwerpdetails
- Observatiemodellen: Cohort
- Tijdsperspectieven: Prospectief
Cohorten en interventies
Groep / Cohort |
Interventie / Behandeling |
|---|---|
|
Gezonde controles
|
De EEG-activiteit zal continu worden geregistreerd vanaf 19 locaties door gebruik te maken van elektroden in een elastische dop en gepositioneerd volgens het 10-20 internationale systeem.
De opname wordt gerefereerd aan het gemeenschappelijke gemiddelde van alle elektroden, met uitzondering van Fp1 en Fp2.
Voorafgaand aan de detectie en analyse van het EEG-artefact wordt opnieuw verwezen.
Gegevens worden opgenomen met een banddoorlaatfilter van 0,3-70 Hz en gedigitaliseerd met een bemonsteringsfrequentie van 512 Hz en de analoog-digitale precisie was 16 bits (Gal-Nt, EbNeuro®, Florence, Italië).
Horizontale en verticale oogbewegingen worden gedetecteerd door een elektro-oculogram (EOG).
De proefpersonen zitten ongeveer 20 minuten in een leunstoel.
Gegevens worden verzameld met een bemonsteringsfrequentie van 256 Hz, met een common mode-onderdrukkingsverhouding van 105 dB (decibel) en de volgende banddoorlaatkarakteristieken: 0,1 Hz hoogdoorlaatfilter, 100 Hz vijfde orde laagdoorlaatfilter.
Voor ERP-acquisitie wordt hetzelfde EEG-systeem gebruikt dat werd gebruikt voor EEG-data-acquisitie.
De deelnemers krijgen een ERP-testbatterij toegediend met gelijktijdig opgenomen EEG, bestaande uit een 3-keuze waakzaamheidstaak (3CVT) ontworpen om aanhoudende aandacht te evalueren en standaard beeldherkenningsgeheugentaak (SIR) ontworpen om aandacht, codering en beeldherkenningsgeheugen te evalueren.
In de SIR zullen afbeeldingen worden gekozen als stimuli om kortetermijn- en semantisch geheugenverlies te onderscheiden en eerdere resultaten van ERP-effecten voor beeldherkenning uit te breiden.
|
|
Patiënten met subjectieve cognitieve achteruitgang
Patiënten die klagen over cognitieve achteruitgang met normaal functioneren op de activiteiten van het dagelijks leven en onbevredigde criteria voor MCI of dementie bij baseline.
|
De drie SNP's (rs429358, rs7412 en rs6265 op respectievelijk APOE- en BDNF-genen) zullen worden geanalyseerd door middel van de polymerasekettingreactie (PCR) op genomisch DNA en met de analyse van smeltkrommen (HRMA) met behulp van de Rotor-Gene 6.000 (Rotor-Gene , Corbett Research, Mortlake, Australië).
De EEG-activiteit zal continu worden geregistreerd vanaf 19 locaties door gebruik te maken van elektroden in een elastische dop en gepositioneerd volgens het 10-20 internationale systeem.
De opname wordt gerefereerd aan het gemeenschappelijke gemiddelde van alle elektroden, met uitzondering van Fp1 en Fp2.
Voorafgaand aan de detectie en analyse van het EEG-artefact wordt opnieuw verwezen.
Gegevens worden opgenomen met een banddoorlaatfilter van 0,3-70 Hz en gedigitaliseerd met een bemonsteringsfrequentie van 512 Hz en de analoog-digitale precisie was 16 bits (Gal-Nt, EbNeuro®, Florence, Italië).
Horizontale en verticale oogbewegingen worden gedetecteerd door een elektro-oculogram (EOG).
De proefpersonen zitten ongeveer 20 minuten in een leunstoel.
Gegevens worden verzameld met een bemonsteringsfrequentie van 256 Hz, met een common mode-onderdrukkingsverhouding van 105 dB (decibel) en de volgende banddoorlaatkarakteristieken: 0,1 Hz hoogdoorlaatfilter, 100 Hz vijfde orde laagdoorlaatfilter.
De CSF-monsters worden verzameld door lumbaalpunctie, onmiddellijk gecentrifugeerd en bewaard bij -80 °C totdat de analyse wordt uitgevoerd.
Aβ42, Aβ42/Aβ40-verhouding, t-tau en p-tau zullen worden gemeten met behulp van een chemiluminescente enzymimmunoassay (CLEIA)-analysator LUMIPULSE® G600 (Fujirebio, Tokyo, Japan).
Voor uitgebreide neuropsychologische evaluatie zullen de onderzoekers de volgende instrumenten gebruiken: globale metingen (MMSE, Informatie-Geheugen-Concentratie Test), taken die verbaal en ruimtelijk korte- en langetermijngeheugen onderzoeken (Digit Span, Corsi Tapping Test, Five Words en Paired Words Acquisitie en herinnering na 10 min en 24 uur, Short Story Onmiddellijke en Delayed Recall), prospectief geheugen (Rivermead Behavioral Memory Test), aandacht (Trail Making Test A, Dual Task), taal (Token Test, plaatjes benoemen, Category Fluency Task, Fonemische vloeiendheidstaak), constructieve praxis (tekeningen kopiëren en Rey-Osterrieth complexe figuur) en uitvoerende functie (Trail Making Test B, Stroop Test, Frontal Assessment Battery, Weigl Test). Om de vaardigheden van zelfstandig wonen te beoordelen, zullen de onderzoekers twee gestructureerde interviews gebruiken: Activiteiten van Dagelijks Leven Schaal (ADL) en Instrumentele Activiteiten van Dagelijks Leven Schaal (IADL). Om de premorbide intelligentie te schatten, zullen alle gevallen een TIB-test (Test di Intelligenza Breve) uitvoeren, een Italiaanse versie van de National Adult Reading Test (NART). Om de persoonlijkheidskenmerken van de proefpersonen te beoordelen, zullen de onderzoekers de Big Five Factors Questionnaire (BFFQ) gebruiken, die de vijf factoren meet: emotionele stabiliteit, energie, consciëntieusheid, vriendelijkheid en openheid voor cultuur en ervaring. Voor cognitieve reserve. proefpersonen zullen in de loop van hun leven gestructureerd geïnterviewd worden over deelname aan intellectuele, sportieve en sociale activiteiten. De aanwezigheid van depressieve symptomen zal worden geëvalueerd door middel van de 22-item Hamilton Depression Rating Scale (HDRS).
Voor de vervolgbeoordeling voert elke proefpersoon een volledige klinische evaluatie uit, een uitgebreide neuropsychologische evaluatie (27-test), beoordeling van vaardigheden voor zelfstandig leven (ADL en IADL), schatting van premorbide intelligentie (TIB-test) en schaal voor depressie (Hamilton Depression Beoordelingsschaal - HDRS).
Voor ERP-acquisitie wordt hetzelfde EEG-systeem gebruikt dat werd gebruikt voor EEG-data-acquisitie.
De deelnemers krijgen een ERP-testbatterij toegediend met gelijktijdig opgenomen EEG, bestaande uit een 3-keuze waakzaamheidstaak (3CVT) ontworpen om aanhoudende aandacht te evalueren en standaard beeldherkenningsgeheugentaak (SIR) ontworpen om aandacht, codering en beeldherkenningsgeheugen te evalueren.
In de SIR zullen afbeeldingen worden gekozen als stimuli om kortetermijn- en semantisch geheugenverlies te onderscheiden en eerdere resultaten van ERP-effecten voor beeldherkenning uit te breiden.
|
|
Patiënten met milde cognitieve stoornissen
Patiënten met de diagnose MCI
|
De drie SNP's (rs429358, rs7412 en rs6265 op respectievelijk APOE- en BDNF-genen) zullen worden geanalyseerd door middel van de polymerasekettingreactie (PCR) op genomisch DNA en met de analyse van smeltkrommen (HRMA) met behulp van de Rotor-Gene 6.000 (Rotor-Gene , Corbett Research, Mortlake, Australië).
De EEG-activiteit zal continu worden geregistreerd vanaf 19 locaties door gebruik te maken van elektroden in een elastische dop en gepositioneerd volgens het 10-20 internationale systeem.
De opname wordt gerefereerd aan het gemeenschappelijke gemiddelde van alle elektroden, met uitzondering van Fp1 en Fp2.
Voorafgaand aan de detectie en analyse van het EEG-artefact wordt opnieuw verwezen.
Gegevens worden opgenomen met een banddoorlaatfilter van 0,3-70 Hz en gedigitaliseerd met een bemonsteringsfrequentie van 512 Hz en de analoog-digitale precisie was 16 bits (Gal-Nt, EbNeuro®, Florence, Italië).
Horizontale en verticale oogbewegingen worden gedetecteerd door een elektro-oculogram (EOG).
De proefpersonen zitten ongeveer 20 minuten in een leunstoel.
Gegevens worden verzameld met een bemonsteringsfrequentie van 256 Hz, met een common mode-onderdrukkingsverhouding van 105 dB (decibel) en de volgende banddoorlaatkarakteristieken: 0,1 Hz hoogdoorlaatfilter, 100 Hz vijfde orde laagdoorlaatfilter.
De CSF-monsters worden verzameld door lumbaalpunctie, onmiddellijk gecentrifugeerd en bewaard bij -80 °C totdat de analyse wordt uitgevoerd.
Aβ42, Aβ42/Aβ40-verhouding, t-tau en p-tau zullen worden gemeten met behulp van een chemiluminescente enzymimmunoassay (CLEIA)-analysator LUMIPULSE® G600 (Fujirebio, Tokyo, Japan).
Voor uitgebreide neuropsychologische evaluatie zullen de onderzoekers de volgende instrumenten gebruiken: globale metingen (MMSE, Informatie-Geheugen-Concentratie Test), taken die verbaal en ruimtelijk korte- en langetermijngeheugen onderzoeken (Digit Span, Corsi Tapping Test, Five Words en Paired Words Acquisitie en herinnering na 10 min en 24 uur, Short Story Onmiddellijke en Delayed Recall), prospectief geheugen (Rivermead Behavioral Memory Test), aandacht (Trail Making Test A, Dual Task), taal (Token Test, plaatjes benoemen, Category Fluency Task, Fonemische vloeiendheidstaak), constructieve praxis (tekeningen kopiëren en Rey-Osterrieth complexe figuur) en uitvoerende functie (Trail Making Test B, Stroop Test, Frontal Assessment Battery, Weigl Test). Om de vaardigheden van zelfstandig wonen te beoordelen, zullen de onderzoekers twee gestructureerde interviews gebruiken: Activiteiten van Dagelijks Leven Schaal (ADL) en Instrumentele Activiteiten van Dagelijks Leven Schaal (IADL). Om de premorbide intelligentie te schatten, zullen alle gevallen een TIB-test (Test di Intelligenza Breve) uitvoeren, een Italiaanse versie van de National Adult Reading Test (NART). Om de persoonlijkheidskenmerken van de proefpersonen te beoordelen, zullen de onderzoekers de Big Five Factors Questionnaire (BFFQ) gebruiken, die de vijf factoren meet: emotionele stabiliteit, energie, consciëntieusheid, vriendelijkheid en openheid voor cultuur en ervaring. Voor cognitieve reserve. proefpersonen zullen in de loop van hun leven gestructureerd geïnterviewd worden over deelname aan intellectuele, sportieve en sociale activiteiten. De aanwezigheid van depressieve symptomen zal worden geëvalueerd door middel van de 22-item Hamilton Depression Rating Scale (HDRS).
Voor de vervolgbeoordeling voert elke proefpersoon een volledige klinische evaluatie uit, een uitgebreide neuropsychologische evaluatie (27-test), beoordeling van vaardigheden voor zelfstandig leven (ADL en IADL), schatting van premorbide intelligentie (TIB-test) en schaal voor depressie (Hamilton Depression Beoordelingsschaal - HDRS).
Voor ERP-acquisitie wordt hetzelfde EEG-systeem gebruikt dat werd gebruikt voor EEG-data-acquisitie.
De deelnemers krijgen een ERP-testbatterij toegediend met gelijktijdig opgenomen EEG, bestaande uit een 3-keuze waakzaamheidstaak (3CVT) ontworpen om aanhoudende aandacht te evalueren en standaard beeldherkenningsgeheugentaak (SIR) ontworpen om aandacht, codering en beeldherkenningsgeheugen te evalueren.
In de SIR zullen afbeeldingen worden gekozen als stimuli om kortetermijn- en semantisch geheugenverlies te onderscheiden en eerdere resultaten van ERP-effecten voor beeldherkenning uit te breiden.
|
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Klinische diagnose van MCI bij patiënten met de diagnose SCD
Tijdsspanne: drie jaar
|
Patiënten met de diagnose SCZ bij baseline zullen om de zes maanden worden gevolgd door neurologische evaluatie en om de twaalf maanden door neuropsychologisch onderzoek om progressie naar MCI te detecteren volgens de criteria van het National Institute on Aging and Alzheimer's Association (NIA-AA) (Albert et al. . 2011)
|
drie jaar
|
|
Klinische diagnose van AD bij patiënten met SCD en MCI
Tijdsspanne: drie jaar
|
Patiënten met de diagnose SCD of MCI bij baseline zullen om de zes maanden worden gevolgd door neurologische evaluatie en om de twaalf maanden door neuropsychologisch onderzoek om progressie naar AD te detecteren volgens NIA-AA-criteria (Mc Khann et al. 2011)
|
drie jaar
|
Secundaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Variaties in neuropsychologische scores
Tijdsspanne: drie jaar
|
Alle geïncludeerde patiënten zullen elke 12 maanden worden geëvalueerd door uitgebreide neuropsychologische onderzoeken om variaties in cognitieve prestaties te identificeren.
|
drie jaar
|
Medewerkers en onderzoekers
Medewerkers
Onderzoekers
- Hoofdonderzoeker: Valentina Bessi, MD, PhD, Research and Innovation Centre for Dementia-CRIDEM, AOU Careggi, Florence, Italy
Publicaties en nuttige links
Algemene publicaties
- 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.
Studie record data
Bestudeer belangrijke data
Studie start (Werkelijk)
Primaire voltooiing (Verwacht)
Studie voltooiing (Verwacht)
Studieregistratiedata
Eerst ingediend
Eerst ingediend dat voldeed aan de QC-criteria
Eerst geplaatst (Werkelijk)
Updates van studierecords
Laatste update geplaatst (Werkelijk)
Laatste update ingediend die voldeed aan QC-criteria
Laatst geverifieerd
Meer informatie
Termen gerelateerd aan deze studie
Trefwoorden
Aanvullende relevante MeSH-voorwaarden
Andere studie-ID-nummers
- 20RSVB
Plan Individuele Deelnemersgegevens (IPD)
Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?
Beschrijving IPD-plan
Informatie over medicijnen en apparaten, studiedocumenten
Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel
Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct
Deze informatie is zonder wijzigingen rechtstreeks van de website clinicaltrials.gov gehaald. Als u verzoeken heeft om uw onderzoeksgegevens te wijzigen, te verwijderen of bij te werken, neem dan contact op met register@clinicaltrials.gov. Zodra er een wijziging wordt doorgevoerd op clinicaltrials.gov, wordt deze ook automatisch bijgewerkt op onze website .