痴呆症数字检测（D Cubed）研究：D3

阿尔茨海默病及相关痴呆症 (ADRD) 对数百万美国人造成负面影响，每年造成的社会损失超过 2 亿美元。1 目前，一半患有 ADRD 的美国人从未得到诊断。2-7 对于那些这样做的人，诊断通常发生在症状出现后两到五年。6-9 正如国家老龄化研究所 (NIA) (RFA-AG-20-051) 所说，“无法诊断和治疗认知障碍会导致长期且昂贵的医疗护理”和“早期发现可以帮助痴呆症患者及其护理伙伴对未来的计划”。 此外，如果针对 ADRD 的疾病修饰疗法的开发成功，这可能需要在 ADRD 的早期阶段使用此类疗法。1然而，目前使用认知测试或生物标志物来早期检测 ADRD 的方法不可扩展由于其接受度低、侵入性、成本高或在农村或服务欠缺地区缺乏可及性。 因此，NIA 呼吁开发低成本、有效且可扩展的方法来早期检测 ADRD (RFA-AG-20-051)。

为了响应 RFA-AG-20-051 号召“验证和翻译用于测量认知衰退的筛查和评估工具，一项实用的整群随机对照比较有效性（NIH IV 期）试验将在中部埃斯肯纳兹健康中心进行印第安纳州和佛罗里达州南部的另一项针对来自不同农村、郊区和城市初级保健实践的患者进行的重复实用试验。 这项务实试验将把被动数字标记 (PDM) 和快速痴呆评定量表 (QDRS) 纳入 Medicare 支付的年度健康访问 (AWV) 中，针对来自两个独立站点的一组患者进行实践，每个实践中的实践都是随机的对 3 个组之一进行试验（单独 AWV、AWV 与 PDM 以及 PDM 和 QDRS）。

痴呆症快速评定量表 (QDRS) - 是一种经过验证的患者报告结果 (PRO) 工具。

被动数字标记 (PDM) - 是一种机器学习 (ML) 算法，可以通过使用常规护理电子健康记录 (EHR) 数据来预测 ADRD 发病前一年和三年。 该算法使用来自三个 EHR 数据集的结构化和非结构化数据进行训练：诊断 (Dx)、处方 (Rx) 和医疗记录 (Nx)。 开发了从三个数据集中每一个数据集派生的单独算法，并将其与包含所有三个数据集的组合算法进行比较。