痴呆症风险预测模型：开发和验证

迄今为止，还没有痴呆症药物在临床试验中显示出改善疾病的作用。 现在了解到，阿尔茨海默氏病的病理基础在症状变得明显之前几十年就已经存在。 仅当患者出现认知症状并因此存在重大疾病负担时才开始干预，可能会降低任何疾病缓解作用的机会。 相反，当病理负担较低时，及早进行针对性干预可能会增加预防或延缓痴呆症发作的可能性。

因此，需要一种方法来识别患痴呆症风险增加的患者。 这需要开发一个风险预测模型，该模型结合使用多个预测因子来对随时间推移发生痴呆症的风险进行个性化估计。

基于人群的应用程序的理想风险预测模型需要使用全科医生 (GP) 已经可用或容易获得的预测变量。 这种预测工具可以用作一种低成本、可扩展的方法，用于招募“处于风险中”的参与者群体，以参与未来的风险修正策略或预防性治疗试验。 一旦确定了有效的疾病缓解干预措施，临床医生就可以使用相同的模型来确定可能从干预中获益最多的高危患者。

理想的痴呆症风险预测工具应仅包含临床医生（例如全科医生 (GP)）容易获得或容易获得的信息。

研究人员的目标是开发两种 10 年风险预测模型：一种预测全因痴呆症，一种预测阿尔茨海默病痴呆症，适用于年龄在 60-79 岁的英国成年人，仅使用 GPs 常规可用的预测因子。 他们将使用来自安全匿名信息链接 (SAIL) 数据库的数据开发模型，该数据库由英国威尔士人口的匿名链接初级保健、住院和死亡率数据组成。

然后，研究人员将继续在外部数据集中验证他们的痴呆症风险预测模型，例如英国的临床实践研究数据链 (CPRD)。 他们还将使用来自健康改善网络 (THIN)（Walters 等人，2016 年）的数据使用此外部数据集验证现有的已发表研究，从而使我们能够比较模型的性能。