- ICH GCP
- Registro de ensaios clínicos dos EUA
- Ensaio Clínico NCT07402161
A Assinatura da Doença de Alzheimer no Declínio Cognitivo Subjetivo (SIGN-AL)
Desvendando a SIGNatura da Doença de Alzheimer: Integrando Biomarcadores Multimodais Através de Aprendizagem Automática
Este estudo centra-se na melhoria da deteção precoce da doença de Alzheimer (DA) em doentes com declínio cognitivo subjetivo (DCS), uma fase pré-clínica de comprometimento cognitivo, no contexto de terapias modificadoras da doença (TMD) emergentes. Os biomarcadores atuais, como ressonância magnética cerebral, tomografias PET e marcadores do líquido cefalorraquidiano (LCR), são altamente precisos, mas dispendiosos, invasivos e não amplamente acessíveis.
O estudo visa fornecer ferramentas económicas e escaláveis para a identificação precoce de indivíduos em risco, permitindo uma avaliação personalizada e a administração atempada de TMD.
Objetivos:
- Avaliar a precisão de biomarcadores inovadores e de fácil acesso na previsão de DA biologicamente confirmada.
- Avaliar a utilidade preditiva de métodos previamente estudados para doentes com DCS.
- Explorar novas abordagens, incluindo análise automatizada da fala, para identificar o declínio cognitivo.
- Avaliar as contribuições genéticas para o risco de DA.
- Integrar dados destas várias modalidades utilizando aprendizagem automática para criar um modelo preditivo de DA em doentes com DCS.
Desenho do Estudo:
Este é um estudo multicêntrico, longitudinal, de baixa intervenção, realizado no IRCCS Policlinico San Donato, San Donato Milanese, Milão, Itália (UO1) e no Centro de Investigação e Inovação em Demência, Hospital Careggi, Florença, Itália (UO2). Os participantes elegíveis são adultos com DCS, funcionamento diário intacto e pontuações no Mini-Exame do Estado Mental (MEEM) >24. Os critérios de exclusão incluem doenças neurológicas ou sistémicas, perturbações psiquiátricas graves, uso de substâncias ou lesão craniana prévia.
Os participantes são submetidos a:
- Recolha detalhada do historial médico e familiar.
- Avaliação neuropsicológica, de personalidade e de independência nas atividades diárias.
- Registo de EEG em estado de repouso.
- Colheita de sangue para biomarcadores plasmáticos (Aβ42, Aβ40, p-tau181, p-tau217, t-tau, NfL, GFAP).
- Análise de biomarcadores do LCR (Aβ42, Aβ40, p-tau, t-tau).
- Análise genética de genes relacionados com a DA (PSEN1, PSEN2, APOE, TREM2, ABCA7, BDNF, HTT).
- Gravação e análise da fala utilizando tarefas padronizadas para extrair características para avaliação automatizada.
O estudo espera criar um modelo preditivo baseado em aprendizagem automática, combinando dados de biomarcadores, neuropsicológicos, EEG, fala e genéticos, para melhorar a deteção precoce e orientar o cuidado personalizado do doente.
Procedimentos:
- As avaliações neuropsicológicas ocorrem na linha de base e no seguimento de dois anos.
- As gravações de linguagem são realizadas em ambientes controlados utilizando tarefas padronizadas de descrição de imagens.
- O EEG é registado utilizando sistemas de 21 canais.
- As amostras de sangue e LCR são recolhidas, processadas e armazenadas a -80°C para análise subsequente nos respetivos laboratórios institucionais.
- Os biomarcadores plasmáticos são analisados com tecnologia Simoa; os biomarcadores do LCR são analisados utilizando ensaio imunoenzimático quimioluminescente (CLEIA).
- As análises genéticas empregam PCR, análise de fusão de alta resolução (HRMA), sequenciação e eletroforese capilar, conforme apropriado para genes ou polimorfismos específicos.
O estudo espera criar um modelo preditivo baseado em aprendizagem automática, combinando dados de biomarcadores, neuropsicológicos, EEG, fala e genéticos, para melhorar a deteção precoce e orientar o cuidado personalizado do doente.
Visão geral do estudo
Status
Descrição detalhada
INTRODUÇÃO A investigação e a prática clínica da doença de Alzheimer (DA) encontram-se num ponto de viragem. À medida que as terapias modificadoras da doença (TMD) para a DA se tornam disponíveis, os neurologistas, investigadores e serviços de saúde irão enfrentar uma procura previsível e crescente de avaliações diagnósticas para doentes com défice cognitivo. Além disso, existe um consenso de que as TMD devem ser administradas nas fases mais precoces da doença para travar o processo patológico antes do início da neurodegenerescência. Por esta razão, a investigação internacional está a focar-se no declínio cognitivo subjectivo (DCS) e na perturbação cognitiva ligeira (PCL), consideradas as manifestações mais precoces da DA e a população-alvo ideal para futuras TMD. No entanto, tanto a PCL como o DCS são condições muito comuns e heterogéneas, com diferentes trajectórias possíveis e muitas causas subjacentes potenciais. Os biomarcadores actualmente reconhecidos para a doença (ressonância magnética cerebral, neuroimagem por PET e biomarcadores do líquido cefalorraquidiano [LCR]) são altamente precisos na identificação de doentes com DCS e PCL devido à doença de Alzheimer, mas a sua utilização em larga escala é extremamente limitada devido ao elevado custo, à fraca acessibilidade e à sua natureza invasiva.
Por esta razão, estudos anteriores sugeriram considerar características demográficas, cognitivas e genéticas para estimar o risco de demência. Além disso, os biomarcadores baseados no sangue são considerados ferramentas promissoras para permitir a avaliação ao nível dos cuidados de saúde primários. No entanto, nenhuma destas avaliações ou ferramentas isoladamente pode garantir precisão suficiente para ser utilizada ao nível do rastreio.
- OBJECTIVO DO ESTUDO
Pretendemos:
- Avaliar a precisão de biomarcadores mais inovadores e facilmente acessíveis nas fases mais precoces do declínio cognitivo na previsão da presença de DA diagnosticada biologicamente com base em biomarcadores do LCR.
- Esclarecer a utilidade de técnicas já estudadas neste contexto, mas que produziram resultados contraditórios, como os scores neuropsicológicos e a electroencefalografia (EEG).
- Explorar novas técnicas de análise ainda não aplicadas a este campo, como a análise automatizada da gravação da fala (análise da fala).
- Avaliar a contribuição de variantes genéticas para o risco de DA em doentes com DCS.
- Combinar as características e dados extraídos destas técnicas utilizando uma abordagem de aprendizagem automática para desenvolver um modelo preditivo de DA em doentes com DCS.
3. DESENHO DO ESTUDO Este é um estudo multicêntrico, longitudinal e de baixa intervenção. Os doentes serão recrutados na U.O.C. de Neurologia do IRCCS Policlinico San Donato (doravante designada UO1) e no Centro de Investigação e Inovação em Demência (CRIDEM) da Azienda Ospedaliero-Universitaria Careggi em Florença, Itália (AOUC, doravante designada UO2).
Todos os doentes recrutados serão submetidos a:
- recolha aprofundada da história familiar e clínica;
- avaliação neuropsicológica extensa, incluindo gravação da linguagem, estimativa da reserva cognitiva, avaliação da depressão e traços de personalidade;
- registo de EEG em estado de repouso;
- análise dos seguintes biomarcadores sanguíneos: Aβ42, Aβ40, p-tau181, p-tau217, t-tau, NfL e GFAP;
- análise dos seguintes genes: PSEN1, PSEN2, APOE, TREM2, ABCA7, BDNF, HTT;
- análise de biomarcadores no líquido cefalorraquidiano (LCR): Aβ42, Aβ40, p-tau e t-tau.
3.1. POPULAÇÃO DO ESTUDO.
Serão recrutados doentes que cumpram os seguintes critérios:
- Idade ≥18 anos
- Diagnóstico clínico de DCS de acordo com os critérios SCD-I4;
- Pontuação no Mini-Exame do Estado Mental (MEEM) superior a 24, ajustada para a idade e nível de escolaridade;
- Funcionalidade normal nas escalas de Actividades de Vida Diária (AVD) e Actividades Instrumentais de Vida Diária (AIVD).
Doentes com:
a. Antecedentes de traumatismo craniano; b. Doença neurológica e/ou sistémica em curso; c. Sintomas de psicose, depressão maior ou perturbação por uso de substâncias.
4. PROCEDIMENTO DO ESTUDO 4.1. AVALIAÇÃO NEUROPSICOLÓGICA, AVALIAÇÃO DA DEPRESSÃO E ESTIMATIVA DA RESERVA COGNITIVA O exame neuropsicológico aprofundado será realizado na linha de base (inclusão) e no seguimento (após dois anos) no IRCCS Policlinico San Donato (para doentes recrutados na UO1) e na AOU Careggi (para doentes recrutados na UO2) e incluirá: medidas cognitivas globais (Mini Exame do Estado Mental); tarefas que exploram a memória verbal e espacial a curto e longo prazo, atenção, linguagem, práxis construtiva e função executiva; percepção subjectiva dos défices de memória conforme descrito por Mazzeo et al.; indicadores de reserva cognitiva, como inteligência pré-mórbida e actividades recreativas; sintomas depressivos; índice de independência nas actividades de vida diária; traços de personalidade.
4.2. GRAVAÇÃO E PRÉ-PROCESSAMENTO DA LINGUAGEM A gravação da linguagem ocorrerá durante a tarefa de descrição de imagens do Screening for Aphasia in Neurodegeneration (SAND). Num ambiente silencioso e controlado, será pedido aos doentes que descrevam a "Imagem do Verão" seguindo um procedimento padronizado. A gravação de voz será feita com um sistema dedicado, com uma taxa de amostragem de 44.100 Hz, normalizada para atingir um pico de -1 dB, e reduzida para 48 kHz. O algoritmo de Detecção de Actividade Vocal (VAD) webRTC será utilizado para extrair segmentos de áudio.
4.3. REGISTO EEG, PRÉ-PROCESSAMENTO E EXTRAÇÃO DE CARACTERÍSTICAS Os dados de EEG em repouso serão recolhidos no IRCCS Policlinico San Donato (para doentes recrutados na UO1) e na AOU Careggi (Florença, Itália) (para doentes recrutados na UO2). Será utilizado o sistema padrão de 21 canais. O registo de EEG começará com 10 minutos com os olhos fechados, seguido de alternância de 3 minutos com os olhos abertos e 3 minutos com os olhos fechados, repetido duas vezes. Apenas os segmentos de olhos fechados serão utilizados para análise.
4.4. RECOLHA, MANUSEAMENTO E ARMAZENAMENTO DE AMOSTRAS BIOLÓGICAS As amostras de sangue serão recolhidas por venopunção em tubos de polipropileno padrão com EDTA (Sarstedt, Nümbrecht, Alemanha) na Unidade de Neurologia do Policlínico San Donato e na Unidade de Neurologia do Hospital Universitário de Careggi. De acordo com a rotina clínica para doentes com declínio cognitivo, após obtenção do consentimento informado para raquicentese, as amostras de LCR serão recolhidas às 8 horas por punção lombar na Unidade de Neurologia do Policlínico San Donato e na Unidade de Neurologia do Hospital Universitário de Careggi. As amostras serão imediatamente centrifugadas e armazenadas a -80°C até à realização da análise. As amostras de sangue serão recolhidas em dois momentos: no momento das primeiras avaliações clínicas (recolha de base) e dois anos após a primeira recolha (recolha de seguimento).
As amostras biológicas dos doentes recrutados na UO1 e os dados associados recolhidos para o estudo serão transferidos para o Biobanco BioCor do IRCCS Policlinico San Donato para processamento e armazenamento subsequente. As amostras serão armazenadas no Biobanco BioCor por até 25 anos.
As amostras biológicas dos doentes recrutados na UO2 e os dados associados recolhidos para o estudo serão transferidos para o laboratório de Neurogenética da AOUC para processamento e armazenamento subsequente. Serão centrifugadas no prazo de duas horas a 1300 rcf a 4°C durante 10 minutos, e o plasma será isolado e armazenado a -80°C até à análise.
4.5. ANÁLISE DE BIOMARCADORES SANGUÍNEOS A análise dos biomarcadores plasmáticos será realizada nas amostras colhidas na linha de base e nas amostras de seguimento de dois anos no Laboratório de Neurogenética da AOU Careggi, utilizando o kit Simoa para amostras humanas fornecido pela Quanterix Corporation (Lexington, MA, EUA) na plataforma automatizada Simoa SR-X (GBIO, Hangzhou, China), seguindo as instruções do fabricante. As concentrações dos biomarcadores plasmáticos de todas as amostras serão medidas numa única execução. Controlos de qualidade serão incluídos na análise e testados em conjunto com as amostras. Uma curva de calibração será determinada por medições de calibrador diluído em série fornecidas pela Quanterix.
4.6. ANÁLISE DE BIOMARCADORES DO LCR As concentrações de Aβ42, Aβ40, t-tau e p-tau serão medidas no Laboratório de Neurogenética da AOUC utilizando um analisador de imunoensaio enzimático quimioluminescente (CLEIA) LUMIPULSE G600 (Fujirebio, Tóquio, Japão). Os valores de corte para o LCR serão determinados seguindo as directrizes fornecidas pela Fujirebio.
4.7. ANÁLISE GENÉTICA As análises genéticas serão realizadas no Laboratório de Neurogenética da AOUC.
Será utilizado um método automatizado padrão (QIAcube, QIAGEN) para isolar o DNA das amostras de sangue. Os genes seleccionados serão analisados da seguinte forma:
- APP, PSEN1, PSEN2: Todos os exões codificantes e as fronteiras intrão/exão serão amplificados por reacção em cadeia da polimerase (PCR) utilizando primers desenhados com o software Primer3.
- Genótipos APOE: Os genótipos APOE serão investigados por HRMA. Amostras com genótipos APOE conhecidos validados por sequenciação de DNA serão utilizadas como referências padrão.
Expansões de repetições CAG no HTT: Serão determinadas por ensaio de amplificação por reacção em cadeia da polimerase, utilizando primers marcados com fluorescência. O tamanho do fragmento será determinado por electroforese capilar utilizando o "SeqStudio Genetic Analyzer" (ThermoFisher) e o software GeneMapper versão 4.0 (Applied Biosystems). Um conjunto de alelos CAG do HTT, cujos comprimentos serão confirmados por sequenciação de DNA, será utilizado como padrão de tamanho.
5. ANÁLISE DE DADOS
A análise de dados consistirá nos seguintes passos:
- Análise estatística descritiva
- Treino e teste do modelo de aprendizagem automática
5.1. ANÁLISE ESTATÍSTICA DESCRITIVA A distribuição das variáveis será avaliada utilizando o teste de Shapiro-Wilk. Os grupos de doentes serão caracterizados utilizando média e desvio padrão, medianas e intervalos interquartis (IIQ), frequências ou percentagens e intervalos de confiança a 95% para variáveis contínuas, variáveis contínuas com distribuição não normal e variáveis categóricas, respectivamente. Dependendo da distribuição dos dados, utilizaremos testes ANOVA ou não paramétricos de Kruskal-Wallis para comparações entre grupos, e o coeficiente de correlação de Pearson ou de Spearman para avaliar correlações entre medidas numéricas. Testes do qui-quadrado serão utilizados para comparar dados categóricos. Os tamanhos do efeito serão calculados utilizando o d de Cohen para medidas numéricas com distribuição normal, η² para o teste U de Mann-Whitney e o teste V de Cramer para dados categóricos.
5.2. TREINO E TESTE DO MODELO DE APRENDIZAGEM AUTOMÁTICA Definiremos um conjunto de características multimodais incluindo scores neuropsicológicos, indicadores de reserva cognitiva, traços de personalidade, características do EEG, biomarcadores plasmáticos e variantes genéticas. Será definida uma métrica comum com base na dispersão de cada dimensão do perfil, e depois treinaremos um algoritmo de aprendizagem automática para associar cada "vector" de perfil com os perfis de biomarcadores. Inicialmente, realizaremos esta classificação utilizando procedimentos padrão de aprendizagem automática. Num conjunto separado de análises, seguiremos uma abordagem de aprendizagem profunda, treinando uma rede neuronal artificial (RNA) de alimentação directa multi-nível para prever os perfis de biomarcadores do LCR dos doentes. O modelo com melhor desempenho (avaliado pelas AUCs das curvas ROC) será testado no conjunto de teste para obter uma estimativa imparcial do desempenho do modelo.
6. DIMENSÃO DA AMOSTRA Assumindo um valor de AUC da amostra de 0,8, o método de cálculo do erro padrão proposto por Hanley e McNeil (1982) permitirá determinar os limites do intervalo de confiança, com 40 doentes no grupo com doença de Alzheimer (20%) e 160 no grupo sem (80%, percentagens estimadas a partir de dados de estudos anteriores realizados na AOU Careggi15), de largura de 0,173 (0,713-0,887). Tudo o resto constante, assumindo uma AUC de 0,9, o intervalo de confiança será de 0,131 (0,834-0,966). Considerando uma taxa de abandono de 20%, a amostra de sujeitos a recrutar resulta em 250.
Tipo de estudo
Inscrição (Estimado)
Contactos e Locais
Contato de estudo
- Nome: Mattia Ricotti
- Número de telefone: +390252774236
- E-mail: mattia.ricotti@grupposandonato.it
Locais de estudo
-
-
Milan
-
San Donato Milanese, Milan, Itália, 20097
- Recrutamento
- IRCCS Policlinico San Donato
-
-
Critérios de participação
Critérios de elegibilidade
Idades elegíveis para estudo
- Adulto
- Adulto mais velho
Aceita Voluntários Saudáveis
Método de amostragem
População do estudo
Descrição
Critérios de Inclusão:
- Diagnóstico clínico de DCL de acordo com os critérios DCL-I;
- Pontuação no Mini-Exame do Estado Mental (MEEM) superior a 24, ajustada para idade e nível de escolaridade;
- Funcionamento normal nas escalas de Atividades de Vida Diária (AVD) e Atividades Instrumentais de Vida Diária (AIVD).
Critérios de Exclusão:
- Histórico de trauma craniano;
- Doenças neurológicas e/ou sistémicas atuais;
- Sintomas de psicose, depressão maior ou perturbação por uso de substâncias.
Plano de estudo
Como o estudo é projetado?
Detalhes do projeto
Coortes e Intervenções
Grupo / Coorte |
|---|
|
Declínio Cognitivo Subjetivo
Indivíduos que se queixam de declínio cognitivo que não é confirmado pelo exame neuropsicológico
|
O que o estudo está medindo?
Medidas de resultados primários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Precisão diagnóstica de biomarcadores na deteção da doença de Alzheimer
Prazo: 12-24 meses
|
A precisão dos biomarcadores baseados no sangue será avaliada para prever um diagnóstico biológico de DA e para prever a progressão do declínio cognitivo durante o acompanhamento.
O diagnóstico biológico de DA será definido pela positividade dos biomarcadores do líquido cefalorraquidiano, especificamente uma relação anormal de Aβ42/Aβ40 e elevada p-tau181 no LCR.
A progressão do declínio cognitivo será definida como agravamento em pelo menos um domínio cognitivo, perda de autonomia ou progressão para DCL ou demência.
|
12-24 meses
|
Medidas de resultados secundários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Precisão das medidas neuropsicológicas e neurofisiológicas na previsão da patologia da DA definida de acordo com o perfil de biomarcadores do LCR.
Prazo: 12-24 meses
|
Modelos de regressão clássicos e modelos de aprendizagem automática para prever a patologia da DA. A patologia da DA será definida de acordo com o perfil dos biomarcadores do LCR da seguinte forma: A+ se pelo menos um dos biomarcadores principais (razão LCR Aβ42/Aβ40<0,069, p-tau>56,5 ng/L) for positivo, e como A- se nenhum dos biomarcadores principais for positivo. As seguintes pontuações neuropsicológicas serão consideradas como preditores: medições globais, Span de Dígitos e Espaço-Visuais, Teste de Aprendizagem Verbal Auditiva de Rey, Recordação de Histórias Curtas, cópia e recordação da figura complexa de Rey-Osterrieth, Teste de Trilhas, matrizes atencionais, Cancelamento de Alvos com Múltiplas Características, Tarefa de Fluência por Categorias, Tarefa de Fluência Fonémica, o Screening for Aphasia NeuroDegeneration, Cópia de desenhos. Relativamente às medidas neurofisiológicas, usaremos como preditores as seguintes características do EEG: potência absoluta e relativa nas bandas de frequência (alfa, beta, teta, delta); Frequência de pico e frequência alfa individual; Métricas da densidade espectral de potência. |
12-24 meses
|
|
Precisão da análise automática da fala na previsão da DA
Prazo: 12-24 meses
|
Modelos de regressão clássicos e modelos de aprendizagem automática para prever a patologia da DA. A patologia da DA será definida de acordo com o perfil dos biomarcadores no LCR da seguinte forma: A+ se pelo menos um dos biomarcadores principais (razão LCR Aβ42/Aβ40<0,069, p-tau>56,5 ng/L) for positivo, e como A- se nenhum dos biomarcadores principais for positivo. A análise automática da fala será utilizada para extrair as seguintes características que serão usadas como preditores no modelo: medidas acústicas e de qualidade vocal (frequência fundamental, intensidade, jitter, shimmer, frequências dos formantes); características prosódicas (taxa de fala e articulação, variabilidade do tom, frequência e duração das pausas, padrões de entoação); medidas temporais e de fluência (tempo de fonação, latência de resposta, pausas preenchidas e não preenchidas, disfluências); e características linguísticas derivadas de transcrições automáticas, incluindo diversidade lexical, frequência de palavras, distribuições de classes gramaticais, complexidade sintática e coerência semântica. |
12-24 meses
|
|
Efeito de variantes genéticas no risco de DA em doentes com DCS
Prazo: 12-24 meses
|
Um modelo de regressão logística e um modelo de Regressão de Cox serão utilizados para estimar o risco de AD.
A patologia AD será definida de acordo com o perfil de biomarcadores do LCR da seguinte forma: A patologia AD será definida de acordo com o perfil de biomarcadores do LCR da seguinte forma: A+ se pelo menos um dos biomarcadores principais (razão LCR Aβ42/Aβ40<0,069,
p-tau>56,5 ng/L) for positivo, e como A- se nenhum dos biomarcadores principais for positivo. As variantes genéticas nos genes candidatos (PSEN1, PSEN2, APOE, TREM2, ABCA7, BDNF, HTT e APOE) serão consideradas como variáveis independentes no modelo.
|
12-24 meses
|
|
Um modelo de aprendizagem automática para prever a DA
Prazo: 12-24 meses
|
As características identificadas nas secções anteriores (biomarcadores plasmáticos, medidas neuropsicológicas, neurofisiológicas e genéticas) serão incluídas como preditores num modelo multimodal de aprendizagem automática. Um algoritmo de aprendizagem automática será treinado para prever a patologia da DA definida de acordo com o perfil de biomarcadores do LCR da seguinte forma: A+ se pelo menos um dos biomarcadores principais (razão LCR Aβ42/Aβ40<0,069, p-tau>56,5 ng/L) for positivo, e como A- se nenhum dos biomarcadores principais for positivo. Trinta por cento de todo o conjunto de dados será reservado como conjunto de teste, enquanto os restantes 70% serão utilizados para treino e validação. Será utilizada uma abordagem de validação cruzada de cinco partições para treinar os modelos e otimizar hiperparâmetros. O modelo com melhor desempenho, avaliado pela área sob a curva ROC (AUC), será testado no conjunto de teste reservado para obter uma estimativa imparcial do desempenho do modelo. |
12-24 meses
|
Colaboradores e Investigadores
Patrocinador
Colaboradores
Investigadores
- Investigador principal: Salvatore Mazzeo, MD, PhD, Università Vita-Salute San Raffaele, Milano - Neurology Unit, IRCCS Policlinico San Donato, San Donato Milanese
Publicações e links úteis
Publicações Gerais
- 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, 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.
- Jessen F, Amariglio RE, van Boxtel M, Breteler M, Ceccaldi M, Chetelat G, Dubois B, Dufouil C, Ellis KA, van der Flier WM, Glodzik L, van Harten AC, de Leon MJ, McHugh P, Mielke MM, Molinuevo JL, Mosconi L, Osorio RS, Perrotin A, Petersen RC, Rabin LA, Rami L, Reisberg B, Rentz DM, Sachdev PS, de la Sayette V, Saykin AJ, Scheltens P, Shulman MB, Slavin MJ, Sperling RA, Stewart R, Uspenskaya O, Vellas B, Visser PJ, Wagner M; Subjective Cognitive Decline Initiative (SCD-I) Working Group. A conceptual framework for research on subjective cognitive decline in preclinical Alzheimer's disease. Alzheimers Dement. 2014 Nov;10(6):844-52. doi: 10.1016/j.jalz.2014.01.001. Epub 2014 May 3.
- Bessi V, Giacomucci G, Mazzeo S, Bagnoli S, Padiglioni S, Balestrini J, Tomaiuolo G, Piaceri I, Carraro M, Bracco L, Sorbi S, Nacmias B. PER2 C111G polymorphism, cognitive reserve and cognition in subjective cognitive decline and mild cognitive impairment: a 10-year follow-up study. Eur J Neurol. 2021 Jan;28(1):56-65. doi: 10.1111/ene.14518. Epub 2020 Oct 18.
- Bessi V, Mazzeo S, Bagnoli S, Padiglioni S, Carraro M, Piaceri I, Bracco L, Sorbi S, Nacmias B. The implication of BDNF Val66Met polymorphism in progression from subjective cognitive decline to mild cognitive impairment and Alzheimer's disease: a 9-year follow-up study. Eur Arch Psychiatry Clin Neurosci. 2020 Jun;270(4):471-482. doi: 10.1007/s00406-019-01069-y. Epub 2019 Sep 27.
- Mazzeo S, Ingannato A, Giacomucci G, Manganelli A, Moschini V, Balestrini J, Cavaliere A, Morinelli C, Galdo G, Emiliani F, Piazzesi D, Crucitti C, Frigerio D, Polito C, Berti V, Bagnoli S, Padiglioni S, Sorbi S, Nacmias B, Bessi V. Plasma neurofilament light chain predicts Alzheimer's disease in patients with subjective cognitive decline and mild cognitive impairment: A cross-sectional and longitudinal study. Eur J Neurol. 2024 Jan;31(1):e16089. doi: 10.1111/ene.16089. Epub 2023 Oct 5.
- Lassi M, Fabbiani C, Mazzeo S, Burali R, Vergani AA, Giacomucci G, Moschini V, Morinelli C, Emiliani F, Scarpino M, Bagnoli S, Ingannato A, Nacmias B, Padiglioni S, Micera S, Sorbi S, Grippo A, Bessi V, Mazzoni A. Degradation of EEG microstates patterns in subjective cognitive decline and mild cognitive impairment: Early biomarkers along the Alzheimer's Disease continuum? Neuroimage Clin. 2023;38:103407. doi: 10.1016/j.nicl.2023.103407. Epub 2023 Apr 19.
- Giacomucci G, Mazzeo S, Bagnoli S, Ingannato A, Leccese D, Berti V, Padiglioni S, Galdo G, Ferrari C, Sorbi S, Bessi V, Nacmias B. Plasma neurofilament light chain as a biomarker of Alzheimer's disease in Subjective Cognitive Decline and Mild Cognitive Impairment. J Neurol. 2022 Aug;269(8):4270-4280. doi: 10.1007/s00415-022-11055-5. Epub 2022 Mar 14.
- Mazzeo S, Emiliani F, Bagnoli S, Padiglioni S, Conti V, Ingannato A, Giacomucci G, Balestrini J, Ferrari C, Sorbi S, Nacmias B, Bessi V. Huntingtin gene intermediate alleles influence the progression from subjective cognitive decline to mild cognitive impairment: A 14-year follow-up study. Eur J Neurol. 2022 Jun;29(6):1600-1609. doi: 10.1111/ene.15291. Epub 2022 Feb 28.
Datas de registro do estudo
Datas Principais do Estudo
Início do estudo (Real)
Conclusão Primária (Estimado)
Conclusão do estudo (Estimado)
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
- CET 25-2025
- Robert-Katzman Award 2024 (Número de outro subsídio/financiamento: American Academy of Neurology, Alzheimer's Association, American Brain Foundation)
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 .