Gepersonaliseerde geneeskunde bij de identificatie van preklinische cognitieve stoornissen. Ontwikkeling van een voorspellend risicomodel (DENDRITE)

Uit het ‘Comprehensive Plan for Alzheimer and other Dementias’ blijkt dat meer dan 50% van de gevallen van cognitieve stoornissen (CI) in populatiegebaseerde onderzoeken onopgemerkt blijven. Dit cijfer is vooral opvallend bij milde vormen van dementie, waarvan tot 90% niet gediagnosticeerd is. Het doel is om de gecombineerde kracht van de integratie van klinische, moleculaire, proteomische, genomische, zorg-, sociale, omgevings- en gedragsgegevens bij patiënten te gebruiken, met behulp van geavanceerde kunstmatige intelligentietechnieken voor gegevensverwerking en -analyse, om voorspellende modellen te genereren voor de preklinische detectie van CI in de populatie van 55-70 jaar.

Multicenter, niet-interventioneel, convergent observationeel onderzoek met gemengde methoden, met een prospectief observationeel ontwerpgedeelte en een kwalitatief ontwerpgedeelte. Steekproef willekeurig gerekruteerd onder gebruikers van het volksgezondheidssysteem in de deelnemende geografische locaties. Er zullen gegevens worden verzameld in 6 regio's (Andalusië, Castilla-Mancha, Catalonië, Valencia, Madrid en Baskenland) en hun landelijke en stedelijke eerstelijnszorgnetwerken (PC).

Niet-geïnstitutionaliseerde proefpersonen, tussen de 55 en 70 jaar oud, toegewezen aan PC-centra in de territoria die in het onderzoek zijn opgenomen, met een ‘levende geschiedenis’ (opgenomen in de afgelopen 12 maanden) en zonder een vastgestelde diagnose van CI.

Er zal een beschrijvende analyse van de kenmerken van de populatie worden uitgevoerd met behulp van frequenties en percentages of metingen van centrale tendens en spreiding, met hun betrouwbaarheidsintervallen van 95%. Sociaal-demografische en klinische kenmerken bij baseline zullen vergeleken worden om de homogeniteit van de steekproef te bestuderen. Voor de vergelijking van kwalitatieve variabelen zal gebruik worden gemaakt van de Chi-kwadraattoets of Fisher's exact-toets en voor de vergelijking van kwantitatieve variabelen zal de t-toets of Wilcoxon-toets worden gebruikt. Er worden logistieke regressiemodellen voorgesteld om gezondheidsuitkomstfactoren te analyseren die verband houden met milde cognitieve stoornissen. Alle modellen bevatten herhaalde metingen voor elk individu. Alle modellen zullen zich aanpassen aan verschillende risicofactoren, en voor die factoren die in de loop van de tijd kunnen veranderen, zal de interactie tussen tijd en die factor worden bestudeerd.

In eerste instantie zullen multivariate lineaire latente modellen worden gebruikt voor het voorspellende model van het risico op cognitieve stoornissen. De integratie van gegevens uit meerdere informatiebronnen zal gebeuren met behulp van multivariate probabilistische modellen, om een ​​representatie van de patiënt te vinden in een kenmerkruimte die wordt beïnvloed door alle gegevensbronnen (bezoeken).

Webtools zoals Ingenuity Pathway Analysis zullen de integratie van gegevens op verschillende moleculaire niveaus (genetisch, eiwit en auto-antilichaam) mogelijk maken, terwijl hulpmiddelen voor kunstmatige intelligentie de integratie van dergelijke gegevens mogelijk zullen maken, gegevens afkomstig van elektrochemische sensoren en gegevens gerelateerd aan klinische en gedragsgegevens met cognitieve stoornissen om een ​​voorspellend model van cognitieve stoornissen, neurodegeneratie en AD te verkrijgen.