Prevendo a evolução do declínio cognitivo subjetivo para a doença de Alzheimer com aprendizado de máquina (PREVIEW)
A doença de Alzheimer (AD) tem um curso pré-sintomático que pode durar de vários anos a décadas. A identificação dos sujeitos numa fase precoce é crucial para a intervenção terapêutica e possível prevenção do declínio cognitivo. A pesquisa atual está focada em identificar as características dos estágios iniciais da DA e vários conceitos foram desenvolvidos para esse fim.
O declínio cognitivo subjetivo (SCD) é definido como um declínio persistente autoexperimentado na capacidade cognitiva em comparação com o estado normal anterior do sujeito, durante o qual o sujeito tem desempenho normal ajustado para idade, gênero e educação em testes cognitivos padronizados. A DF não está relacionada ao comprometimento cognitivo atual, no entanto, tem sido considerada por seu papel potencial como fator de risco para DA.
O objetivo deste estudo é avaliar, por meio de ferramentas de aprendizado de máquina, os dados de precisão, avaliação neuropsicológica, traços de personalidade, reserva cognitiva, fatores genéticos, biomarcadores de neurodegeneração do líquido cefalorraquidiano (LCR), EEG e registros potenciais relacionados a eventos na previsão de conversão de condição SCD , a Comprometimento Cognitivo Leve (CCL) e DA.
Visão geral do estudo
Status
Intervenção / Tratamento
- Genético: Análise genética dos genes APOE e BDNF.
- Teste de diagnostico: Gravação de EEG
- Teste de diagnostico: Coleta de LCR e medição de biomarcadores AD
- Teste de diagnostico: Avaliação neuropsicológica
- Teste de diagnostico: Avaliação da reserva cognitiva, depressão, traços de personalidade e atividades de lazer
- Teste de diagnostico: Acompanhamento clínico-neuropsicológico
- Teste de diagnostico: Gravação de ERP
Descrição detalhada
O Centro de Referência Regional para Doença de Alzheimer e Distúrbios Cognitivos do Hospital Careggi, Florença, começou há cerca de 25 anos a coletar dados clínicos, neuropsicológicos, de personalidade e estilos de vida para pacientes com Declínio Cognitivo Subjetivo (SCD). A partir desses dados, o objetivo do presente estudo é aumentar o número de variáveis coletadas em indivíduos com DF e expandir o acompanhamento clínico para delinear a evolução mais precisa da doença e identificar precocemente indivíduos em risco de conversão na Doença de Alzheimer (DA). ).
As vantagens da detecção do comprometimento cognitivo nos estágios iniciais são críticas. Essa detecção tem sido tradicionalmente realizada manualmente por um ou mais médicos com base em relatórios e resultados de testes. Os algoritmos de aprendizado de máquina oferecem um método de detecção que pode fornecer um processo automatizado e informações valiosas sobre diagnóstico e classificação. Com esta ferramenta os clínicos poderiam desenhar rastreios óptimos para prever, já na fase de SCD, possíveis evoluções das condições do doente, e, através de protocolos de decisão, estabelecer o grau de adequação das investigações/exames a realizar para cada doente, com base nos dados actuais estado de risco.
O objetivo deste estudo é avaliar, por meio de ferramentas de aprendizado de máquina, a precisão de dados clínicos, avaliação neuropsicológica, traços de personalidade, reserva cognitiva, fatores genéticos, biomarcadores de neurodegeneração do líquido cefalorraquidiano (LCR) e características de EEG e potenciais relacionados a eventos (ERP ) na previsão da conversão da condição de SCD para Comprometimento Cognitivo Leve (MCI) e DA.
Todos os participantes serão submetidos a uma história familiar e clínica abrangente, exame geral e neurológico, extensa bateria neuropsicológica (cerca de 19 testes explorando todos os domínios cognitivos: memória, atenção, funções executivas, linguagem, praxia), estimativa de inteligência pré-mórbida (TIB - Test di Intelligenza Breve, uma versão italiana do National Adult Reading Test - NART), traços de personalidade (Big Five Factors Questionnaire - BFFQ) e avaliação de atividades de lazer (entrevista estruturada sobre participação em atividades intelectuais, esportivas e sociais), bem como avaliação de depressão ( Escala de Classificação de Depressão de Hamilton - HDRS). Além disso, todos os pacientes serão submetidos a uma análise de LCR para avaliar biomarcadores estabelecidos (Aβ42, tau total, p-tau) e amostras de sangue para análise de DNA serão coletadas para identificar os genótipos da Apolipoproteína E (APOE) e do fator neurotrófico derivado do cérebro (BDNF). . Em particular, serão analisados três diferentes polimorfismos de nucleotídeo único (SNPs):
- BDNF SNP Val66Met (substituição valina-metionina) já foi associado a pior memória episódica e ativação anormal do hipocampo analisada com ressonância magnética
- Os genes APOE rs429358 e rs7412 que estão envolvidos na formação da placa amilóide Apenas avaliações clínicas e neuropsicológicas são repetidas anualmente para avaliar a progressão do declínio.
A subamostra será selecionada incluindo todos os novos casos de DF incluídos no estudo (cerca de 50), todos os indivíduos convertidos para MCI (cerca de 25) e todos os pacientes, já estudados, que relatam um distúrbio cognitivo subjetivo há menos de 10 anos (cerca de 75).
Esta subamostra selecionada também realizará investigações adicionais: biomarcadores de CSF, registros de EEG em estado de repouso e registro de ERP.
Para cerca de 150 sujeitos, a atividade EEG será registrada. Os participantes receberão uma bateria de teste de ERP com EEG gravado simultaneamente. A análise dos dados de EEG, em particular, começará com um pipeline de processamento de EEG em estágio inicial padronizado (PREP Pipeline), com foco na alta filtragem a 1 Hz, na identificação de canais ruins e no cálculo de uma referência média robusta. Os investigadores realizarão a coleta de sinal usando épocas de comprimento fixo para medições de estado de repouso e épocas de bloqueio de estímulo para sinais adquiridos durante as tarefas. Períodos contendo sinal de artefato serão removidos com um procedimento semiautomático. Os investigadores aplicarão a análise de componentes independentes (ICA) aos dados, seguida por uma detecção semiautomática de componentes artefatos com base em medidas de autocorrelação, correlação com eletrodo EOG, topografia de canal focal e qualidade do ajuste dipolo de fonte única. Por fim, os investigadores calcularão características de potência no espaço do sensor, ou seja, potências de bandas de frequência e métricas de conectividade funcional linear/não linear, ou seja, função de transferência direta e informação mútua, no nível da fonte após um procedimento de reconstrução da fonte, ou seja, Método de Tomografia Eletromagnética Cerebral de Baixa Resolução (LORETA) (Pascual-Marqui et, al 2002).
A análise de aprendizado de máquina prosseguirá da seguinte maneira. A primeira análise incluirá todos os pacientes que foram diagnosticados com DF no trabalho preliminar. Os investigadores definirão um conjunto de características multimodais, incluindo todos os 19 testes neuropsicológicos, uma seleção das avaliações de personalidade e o perfil genético. Os investigadores definirão uma métrica comum com base na dispersão de cada dimensão do perfil e, em seguida, treinarão um algoritmo de aprendizado de máquina para associar cada perfil "vetor" à evolução associada da doença após um tempo fixo (inicialmente o possível categorias serão apenas SCD, MCI, AD sem mais subníveis, mas isso pode ser melhorado em rodadas posteriores). Primeiro, os investigadores realizarão essa classificação com procedimentos padrão de aprendizado de máquina como máquina de vetores de suporte (SVM, usando árvores de decisão binárias) e k-vizinhos mais próximos (kNN). Em seguida, eles explorarão o fato de que as avaliações neurofisiológicas são repetidas anualmente (ver acima) para usar o algoritmo SuStaIn previamente aplicado aos dados de neuroimagem (consulte o estado da arte e Young 2018). Resumidamente, o algoritmo pontua cada dimensão do perfil e modela com uma função linear por partes os diferentes caminhos de acumulações de cada marcador, ou seja, a progressão de valores saudáveis para valores anormais. Essa abordagem não apenas supera os algoritmos padrão na previsão da condição final dos sujeitos com base no perfil inicial, mas também destaca os diferentes caminhos que podem levar ao mesmo resultado. Em um conjunto separado de análise, os investigadores seguirão uma abordagem de aprendizado profundo, usando exatamente os mesmos perfis de sujeitos para treinar uma rede neural artificial (ANN) feedforward de vários níveis, prevendo a condição do paciente após um tempo fixo. As redes serão treinadas com técnicas padrão de gradiente descendente e retropropagação e, por meio de procedimentos de dropout e normalização em lote, os investigadores obterão resultados robustos de classificação automática. Comparando o desempenho da classificação SuStaIn e ANN, eles decidirão a abordagem mais conveniente para a tarefa. Além disso, eles aplicarão técnicas de redução de dimensionalidade padrão para extrair os recursos mais salientes e repetirão o procedimento descrito acima para avaliar se é possível obter os mesmos resultados com um subconjunto das triagens.
A abordagem selecionada será então repetida para os novos pacientes recrutados durante o PREVIEW e para aqueles submetidos à análise de acompanhamento durante o projeto. A única diferença será o novo conjunto de fatores incluídos na análise, incluindo todos os dados usados na primeira versão, mas também BDNF, biomarcadores de CSF e os novos recursos extraídos de gravações de EEG em estado de repouso e ERP. Isso exigirá a definição de uma segunda métrica multimodal em todos os recursos e uma consequente reformulação e retreinamento da rede de aprendizado de máquina. Conforme descrito acima, mesmo para a segunda versão do algoritmo, os investigadores terão como objetivo definir o conjunto mínimo de recursos para alcançar o desempenho ideal. O resultado final do algoritmo fornecerá uma previsão da evolução da condição de cada paciente com base em seu perfil completo.
Tipo de estudo
Inscrição (Antecipado)
Contactos e Locais
Contato de estudo
- Nome: Valentina Bessi, MD, PhD
- Número de telefone: +393496096308
- E-mail: valentina.bessi@unifi.it
Estude backup de contato
- Nome: Sonia Padiglioni, Psy, PhD
- Número de telefone: +393488512232
- E-mail: padiglionis@aou-careggi.toscana.it
Locais de estudo
-
-
-
Florence, Itália, 50143
- Recrutamento
- IRCCS Don Gnocchi
-
Contato:
- Antonello Grippo, MD, PhD
-
Investigador principal:
- Sandro Sorbi, MD, PhD
-
Subinvestigador:
- Rachele Buralli
-
Subinvestigador:
- Antonello Grippo, MD, PhD
-
Florence, Itália
- Recrutamento
- Department of Neuroscience, Psychology, Drug Research and Child Health, University of Florence
-
Contato:
- Benedetta Nacmias, PhD
- Número de telefone: 055/7948910
- E-mail: nacmias@unifi.it
-
Investigador principal:
- Benedetta Nacmias, PhD
-
Subinvestigador:
- Silvia Bagnoli, PhD
-
Subinvestigador:
- Assunta Ingannato
-
Pisa, Itália
- Recrutamento
- Istituto di Biorobotica e Dipartimento di Eccellenza in Robotica e AI, Scuola Superiore Sant'Anna
-
Contato:
- Alberto Mazzoni, PhD
-
Investigador principal:
- Alberto Mazzoni
-
Subinvestigador:
- Michael Lassi
-
Subinvestigador:
- Alberto Vergani
-
Subinvestigador:
- Silvestro Micera
-
-
Tuscany Region
-
Florence, Tuscany Region, Itália, 50134
- Recrutamento
- Aou Careggi
-
Contato:
- Valentina Bessi, MD, PhD
- Número de telefone: +393496096308
- E-mail: valentina.bessi@unifi.it
-
Contato:
- Salvatore Mazzeo, MD
- Número de telefone: +393477219137
- E-mail: salvatore.mazzeo@unifi.it
-
Investigador principal:
- Valentina Bessi, MD, PhD
-
Subinvestigador:
- Salvatore Mazzeo, MD
-
Subinvestigador:
- Sonia Padiglioni, Psy, PhD
-
Subinvestigador:
- Valentina Moschini, Psy
-
Subinvestigador:
- Carmen Morinelli, Psy
-
Subinvestigador:
- Giulia Giacomucci, MD
-
Subinvestigador:
- Filippo Emiliani, MD
-
Subinvestigador:
- Giulia Galdo, MD
-
Subinvestigador:
- Juri Balestrini, MD
-
-
Critérios de participação
Critérios de elegibilidade
Idades elegíveis para estudo
- Filho
- Adulto
- Adulto mais velho
Aceita Voluntários Saudáveis
Gêneros Elegíveis para o Estudo
Método de amostragem
População do estudo
Os investigadores incluirão no estudo, sujeitos espontâneos consecutivos que se referiram ao Centro para Doença de Alzheimer e Distúrbios Cognitivos Adultos do Hospital Careggi em Florença.
Os investigadores incluirão no estudo 300 pacientes com DF já selecionados e avaliados uma vez (baseline) ou mais (follow-up) em nossa clínica, e aumentarão a amostra inicial adicionando novos indivíduos com DF ou CCL.
Descrição
Critério de inclusão:
- Queixa de declínio cognitivo com duração ≥ 6 meses;
- Funcionamento normal nas escalas de Atividades da Vida Diária e Atividades Instrumentais da Vida Diária (Lawton e Brody, 1969);
- Critérios insatisfeitos para demência no início do estudo (DSM-V, American Psychiatric Association, 2013).
Critério de exclusão:
- Histórico de traumatismo craniano, doença neurológica e/ou sistêmica atual, sintomas de psicose, depressão maior, alcoolismo ou abuso de outras substâncias
Plano de estudo
Como o estudo é projetado?
Detalhes do projeto
- Modelos de observação: Coorte
- Perspectivas de Tempo: Prospectivo
Coortes e Intervenções
Grupo / Coorte |
Intervenção / Tratamento |
|---|---|
|
Controles saudáveis
|
A atividade EEG será registrada continuamente em 19 locais usando eletrodos colocados em uma tampa elástica e posicionados de acordo com o sistema internacional 10-20.
A gravação será referenciada à média comum de todos os eletrodos, excluindo Fp1 e Fp2.
A nova referência será feita antes da detecção e análise do artefato EEG.
Os dados serão gravados com um filtro passa-banda de 0,3-70 Hz e digitalizados a uma taxa de amostragem de 512 Hz e precisão analógico-digital de 16 bits (Gal-Nt, EbNeuro®, Florença, Itália).
Os movimentos oculares horizontais e verticais serão detectados por eletrooculograma (EOG).
Os indivíduos ficarão sentados em uma cadeira reclinada por aproximadamente 20 min.
Os dados serão coletados a uma taxa de amostragem de 256 Hz, com uma taxa de rejeição de modo comum de 105 dB (decibel) e as seguintes características de passagem de banda: filtro passa-alta de 0,1 Hz, filtro passa-baixa de quinta ordem de 100 Hz.
Para aquisição de ERP, será usado o mesmo sistema EEG usado para aquisição de dados EEG.
Os participantes receberão uma bateria de teste de ERP com EEG gravado simultaneamente, consistindo em uma tarefa de vigilância de 3 opções (3CVT) projetada para avaliar a atenção sustentada e tarefa de memória de reconhecimento de imagem padrão (SIR) projetada para avaliar atenção, codificação e memória de reconhecimento de imagem.
No SIR, as imagens serão escolhidas como estímulos para distinguir a perda de memória de curto prazo da semântica e estender os resultados anteriores dos efeitos ERP de reconhecimento de imagem.
|
|
Pacientes com Declínio Cognitivo Subjetivo
Pacientes com queixa de declínio cognitivo com funcionamento normal nas atividades da vida diária e critérios insatisfeitos para DCL ou demência no início do estudo.
|
Os três SNPs (rs429358, rs7412 e rs6265 nos genes APOE e BDNF respectivamente) serão analisados pela reação em cadeia da polimerase (PCR) no DNA genômico e com a análise das curvas de fusão (HRMA) utilizando o Rotor-Gene 6.000 (Rotor-Gene , Corbett Research, Mortlake, Austrália).
A atividade EEG será registrada continuamente em 19 locais usando eletrodos colocados em uma tampa elástica e posicionados de acordo com o sistema internacional 10-20.
A gravação será referenciada à média comum de todos os eletrodos, excluindo Fp1 e Fp2.
A nova referência será feita antes da detecção e análise do artefato EEG.
Os dados serão gravados com um filtro passa-banda de 0,3-70 Hz e digitalizados a uma taxa de amostragem de 512 Hz e precisão analógico-digital de 16 bits (Gal-Nt, EbNeuro®, Florença, Itália).
Os movimentos oculares horizontais e verticais serão detectados por eletrooculograma (EOG).
Os indivíduos ficarão sentados em uma cadeira reclinada por aproximadamente 20 min.
Os dados serão coletados a uma taxa de amostragem de 256 Hz, com uma taxa de rejeição de modo comum de 105 dB (decibel) e as seguintes características de passagem de banda: filtro passa-alta de 0,1 Hz, filtro passa-baixa de quinta ordem de 100 Hz.
As amostras de LCR serão coletadas por punção lombar, imediatamente centrifugadas e armazenadas a -80 °C até a realização das análises.
Aβ42, relação Aβ42/Aβ40, t-tau e p-tau serão medidos usando um analisador de imunoensaio enzimático quimioluminescente (CLEIA) LUMIPULSE® G600 (Fujirebio, Tóquio, Japão).
Para avaliação neuropsicológica extensa, os investigadores usarão as seguintes ferramentas: medições globais (MMSE, Information-Memory-Concentration Test), tarefas que exploram a memória verbal e espacial de curto e longo prazo (Digit Span, Corsi Tapping Test, Five Words e Paired Words Aquisição e recordação após 10 min e 24 h, recordação imediata e tardia de contos), memória prospectiva (Rivermead Behavioral Memory Test), atenção (Trail Making Test A, Dual Task), linguagem (Token Test, nomeação de imagens, Categoria Fluency Task, Tarefa de Fluência Fonêmica), práxis construtiva (Copiar Desenhos e figura complexa de Rey-Osterrieth) e função executiva (Teste de Trilhas B, Teste de Stroop, Bateria de Avaliação Frontal, Teste de Weigl). Para avaliar as habilidades de vida independente, os investigadores usarão duas entrevistas estruturadas: Escala de Atividades da Vida Diária (ADL) e Escala de Atividades Instrumentais da Vida Diária (IADL). Para estimar a inteligência pré-mórbida, todos os casos realizarão o teste TIB (Test di Intelligenza Breve), uma versão italiana do National Adult Reading Test (NART). Para avaliar os traços de personalidade dos sujeitos, os investigadores usarão o Big Five Factors Questionnaire (BFFQ), que mede os cinco fatores de estabilidade emocional, energia, conscienciosidade, amabilidade e abertura à cultura e à experiência. Para reserva cognitiva. os sujeitos realizarão entrevistas estruturadas sobre a participação em atividades intelectuais, esportivas e sociais, no decorrer de sua vida. A presença de sintomas depressivos será avaliada por meio da Escala de Avaliação de Depressão de Hamilton (HDRS) de 22 itens.
Para avaliação de acompanhamento, cada sujeito realizará uma avaliação clínica completa, uma extensa avaliação neuropsicológica (teste 27), avaliação de habilidades de vida independente (AVD e IADL), estimativa de inteligência pré-mórbida (teste TIB) e escala para depressão (Depressão de Hamilton Escala de classificação - HDRS).
Para aquisição de ERP, será usado o mesmo sistema EEG usado para aquisição de dados EEG.
Os participantes receberão uma bateria de teste de ERP com EEG gravado simultaneamente, consistindo em uma tarefa de vigilância de 3 opções (3CVT) projetada para avaliar a atenção sustentada e tarefa de memória de reconhecimento de imagem padrão (SIR) projetada para avaliar atenção, codificação e memória de reconhecimento de imagem.
No SIR, as imagens serão escolhidas como estímulos para distinguir a perda de memória de curto prazo da semântica e estender os resultados anteriores dos efeitos ERP de reconhecimento de imagem.
|
|
Pacientes com comprometimento cognitivo leve
Pacientes diagnosticados com CCL
|
Os três SNPs (rs429358, rs7412 e rs6265 nos genes APOE e BDNF respectivamente) serão analisados pela reação em cadeia da polimerase (PCR) no DNA genômico e com a análise das curvas de fusão (HRMA) utilizando o Rotor-Gene 6.000 (Rotor-Gene , Corbett Research, Mortlake, Austrália).
A atividade EEG será registrada continuamente em 19 locais usando eletrodos colocados em uma tampa elástica e posicionados de acordo com o sistema internacional 10-20.
A gravação será referenciada à média comum de todos os eletrodos, excluindo Fp1 e Fp2.
A nova referência será feita antes da detecção e análise do artefato EEG.
Os dados serão gravados com um filtro passa-banda de 0,3-70 Hz e digitalizados a uma taxa de amostragem de 512 Hz e precisão analógico-digital de 16 bits (Gal-Nt, EbNeuro®, Florença, Itália).
Os movimentos oculares horizontais e verticais serão detectados por eletrooculograma (EOG).
Os indivíduos ficarão sentados em uma cadeira reclinada por aproximadamente 20 min.
Os dados serão coletados a uma taxa de amostragem de 256 Hz, com uma taxa de rejeição de modo comum de 105 dB (decibel) e as seguintes características de passagem de banda: filtro passa-alta de 0,1 Hz, filtro passa-baixa de quinta ordem de 100 Hz.
As amostras de LCR serão coletadas por punção lombar, imediatamente centrifugadas e armazenadas a -80 °C até a realização das análises.
Aβ42, relação Aβ42/Aβ40, t-tau e p-tau serão medidos usando um analisador de imunoensaio enzimático quimioluminescente (CLEIA) LUMIPULSE® G600 (Fujirebio, Tóquio, Japão).
Para avaliação neuropsicológica extensa, os investigadores usarão as seguintes ferramentas: medições globais (MMSE, Information-Memory-Concentration Test), tarefas que exploram a memória verbal e espacial de curto e longo prazo (Digit Span, Corsi Tapping Test, Five Words e Paired Words Aquisição e recordação após 10 min e 24 h, recordação imediata e tardia de contos), memória prospectiva (Rivermead Behavioral Memory Test), atenção (Trail Making Test A, Dual Task), linguagem (Token Test, nomeação de imagens, Categoria Fluency Task, Tarefa de Fluência Fonêmica), práxis construtiva (Copiar Desenhos e figura complexa de Rey-Osterrieth) e função executiva (Teste de Trilhas B, Teste de Stroop, Bateria de Avaliação Frontal, Teste de Weigl). Para avaliar as habilidades de vida independente, os investigadores usarão duas entrevistas estruturadas: Escala de Atividades da Vida Diária (ADL) e Escala de Atividades Instrumentais da Vida Diária (IADL). Para estimar a inteligência pré-mórbida, todos os casos realizarão o teste TIB (Test di Intelligenza Breve), uma versão italiana do National Adult Reading Test (NART). Para avaliar os traços de personalidade dos sujeitos, os investigadores usarão o Big Five Factors Questionnaire (BFFQ), que mede os cinco fatores de estabilidade emocional, energia, conscienciosidade, amabilidade e abertura à cultura e à experiência. Para reserva cognitiva. os sujeitos realizarão entrevistas estruturadas sobre a participação em atividades intelectuais, esportivas e sociais, no decorrer de sua vida. A presença de sintomas depressivos será avaliada por meio da Escala de Avaliação de Depressão de Hamilton (HDRS) de 22 itens.
Para avaliação de acompanhamento, cada sujeito realizará uma avaliação clínica completa, uma extensa avaliação neuropsicológica (teste 27), avaliação de habilidades de vida independente (AVD e IADL), estimativa de inteligência pré-mórbida (teste TIB) e escala para depressão (Depressão de Hamilton Escala de classificação - HDRS).
Para aquisição de ERP, será usado o mesmo sistema EEG usado para aquisição de dados EEG.
Os participantes receberão uma bateria de teste de ERP com EEG gravado simultaneamente, consistindo em uma tarefa de vigilância de 3 opções (3CVT) projetada para avaliar a atenção sustentada e tarefa de memória de reconhecimento de imagem padrão (SIR) projetada para avaliar atenção, codificação e memória de reconhecimento de imagem.
No SIR, as imagens serão escolhidas como estímulos para distinguir a perda de memória de curto prazo da semântica e estender os resultados anteriores dos efeitos ERP de reconhecimento de imagem.
|
O que o estudo está medindo?
Medidas de resultados primários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Diagnóstico clínico de CCL em pacientes diagnosticados com DF
Prazo: três anos
|
Os pacientes diagnosticados com DF no início do estudo serão acompanhados a cada seis meses por avaliação neurológica e a cada doze meses por exame neuropsicológico, a fim de detectar a progressão para MCI de acordo com os critérios do National Institute on Aging and Alzheimer's Association (NIA-AA) (Albert et al . 2011)
|
três anos
|
|
Diagnóstico clínico de DA em pacientes diagnosticados com DF e CCL
Prazo: três anos
|
Os pacientes diagnosticados com SCD ou MCI no início do estudo serão acompanhados a cada seis meses por avaliação neurológica e a cada doze meses por exame neuropsicológico para detectar a progressão para DA de acordo com os critérios da NIA-AA (Mc Khann et al. 2011)
|
três anos
|
Medidas de resultados secundários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Variações nos escores neuropsicológicos
Prazo: três anos
|
Todos os pacientes incluídos serão avaliados a cada 12 meses por extensos exames neuropsicológicos a fim de identificar variações nos desempenhos cognitivos.
|
três anos
|
Colaboradores e Investigadores
Patrocinador
Colaboradores
Investigadores
- Investigador principal: Valentina Bessi, MD, PhD, Research and Innovation Centre for Dementia-CRIDEM, AOU Careggi, Florence, Italy
Publicações e links úteis
Publicações Gerais
- 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.
Datas de registro do estudo
Datas Principais do Estudo
Início do estudo (Real)
Conclusão Primária (Antecipado)
Conclusão do estudo (Antecipado)
Datas de inscrição no estudo
Enviado pela primeira vez
Enviado pela primeira vez que atendeu aos critérios de CQ
Primeira postagem (Real)
Atualizações de registro de estudo
Última Atualização Postada (Real)
Última atualização enviada que atendeu aos critérios de controle de qualidade
Última verificação
Mais Informações
Termos relacionados a este estudo
Palavras-chave
Termos MeSH relevantes adicionais
Outros números de identificação do estudo
- 20RSVB
Plano para dados de participantes individuais (IPD)
Planeja compartilhar dados de participantes individuais (IPD)?
Descrição do plano IPD
Informações sobre medicamentos e dispositivos, documentos de estudo
Estuda um medicamento regulamentado pela FDA dos EUA
Estuda um produto de dispositivo regulamentado pela FDA dos EUA
Essas informações foram obtidas diretamente do site clinicaltrials.gov sem nenhuma alteração. Se você tiver alguma solicitação para alterar, remover ou atualizar os detalhes do seu estudo, entre em contato com register@clinicaltrials.gov. Assim que uma alteração for implementada em clinicaltrials.gov, ela também será atualizada automaticamente em nosso site .