Personlig medicin för identifiering av preklinisk kognitiv funktionsnedsättning. Utveckling av en prediktiv riskmodell (DENDRITE)

Den "omfattande planen för Alzheimers och andra demenssjukdomar" visar att mer än 50 % av fallen av kognitiv funktionsnedsättning (CI) i befolkningsbaserade studier är oupptäckta. Siffran är särskilt slående vid lindriga demenssjukdomar, av vilka upp till 90 % är odiagnostiserade. Syftet är att använda den kombinerade kraften i integrationen av kliniska, molekylära, proteomiska, genomiska, vård-, sociala, miljö- och beteendedata hos patienter, med hjälp av avancerad artificiell intelligens för databehandling och analys, för att generera prediktiva modeller för preklinisk upptäckt av CI i befolkningen i åldern 55-70 år.

Multicenter, icke-interventionell, konvergent observationsstudie med blandade metoder, med en prospektiv observationsdesigndel och en kvalitativ designdel. Urval rekryterades slumpmässigt bland användare av det offentliga hälsosystemet i de deltagande geografiska platserna. Data kommer att samlas in i 6 regioner (Andalusien, Castilla-Mancha, Katalonien, Valencia, Madrid och Baskien) och deras nätverk för primärvård på landsbygden och i städerna (PC).

Icke-institutionaliserade försökspersoner, mellan 55 och 70 år, tilldelade PC-center i de territorier som ingår i studien, med en "levande historia" (antecknad under de senaste 12 månaderna) och utan en fastställd diagnos av CI.

En beskrivande analys av befolkningens egenskaper kommer att utföras med användning av frekvenser och procentsatser eller mått på central tendens och spridning, med deras 95 % konfidensintervall. Baslinje sociodemografiska och kliniska egenskaper kommer att jämföras för att studera provets homogenitet. För jämförelsen av kvalitativa variabler kommer Chi-square-testet eller Fishers exakta test att användas och för jämförelsen av kvantitativa variabler kommer t-testet eller Wilcoxon-testet att användas. Logistiska regressionsmodeller föreslås för att analysera hälsoresultatfaktorer associerade med mild kognitiv funktionsnedsättning. Alla modeller kommer att innehålla upprepade åtgärder för varje individ. Alla modeller kommer att justera för olika riskfaktorer och för de faktorer som kan förändras över tid kommer interaktionen mellan tid och den faktorn att studeras.

Inledningsvis kommer multivariata linjära latenta modeller att användas för den prediktiva modellen för risk för kognitiv funktionsnedsättning. Integreringen av data från flera informationskällor kommer att göras med hjälp av multivariata probabilistiska modeller, för att hitta en representation av patienten i ett funktionsutrymme som påverkas av alla datakällor (besök).

Webbverktyg som Ingenuity Pathway Analysis kommer att möjliggöra integrering av data på olika molekylära nivåer (genetiska, protein och autoantikroppar), medan artificiella intelligensverktyg kommer att möjliggöra integration av sådana data, data som härrör från elektrokemiska sensorer och data relaterade till kliniska och beteendedata med kognitiv funktionsnedsättning för att få en prediktiv modell av kognitiv funktionsnedsättning, neurodegeneration och AD.