نگاشت معیارهای اکچوئری برای بیماری پارکینسون-اختلال شناختی خفیف بر روی فنوتیپ های شناختی داده محور قسمت 3

3.2. شیوع PD-MCI و انواع فرعی

شیوع PD-MCI 40.1% (n=198) در هنگام استفاده از برش SD -1، 21.5% (n=105) هنگام استفاده از برش 1.5 - و 9.1% (n {{12) بود. }}) هنگام استفاده از قطع SD -2.

رابطه زیادی بین بیماری و حافظه وجود دارد. مطالعات نشان داده اند که حفظ سلامتی می تواند به طور قابل توجهی حافظه و توانایی شناختی را بهبود بخشد، در حالی که بیماری ممکن است منجر به از دست دادن حافظه شود.

برخی از مشکلات رایج سلامتی مانند فشار خون بالا، دیابت، کلسترول بالا، چاقی و غیره با از دست دادن حافظه مرتبط هستند. این مشکلات ممکن است بر جریان خون در مغز تأثیر بگذارد و باعث مشکلاتی مانند آسیب عصبی و مرگ سلول های مغز شود. علاوه بر این، برخی از مشکلات روانی مانند افسردگی، اضطراب و غیره نیز ممکن است منجر به از دست دادن حافظه شود.

با این حال، یک سبک زندگی فعال و عادات سالم می تواند احتمال ابتلا به بیماری را کاهش دهد و حافظه را تا حد زیادی بهبود بخشد. به عنوان مثال، از نظر رژیم غذایی، می‌توان عادات غذایی سالم را انتخاب کرد، مصرف میوه‌ها، سبزیجات و غلات کامل را افزایش داد و غذاهای پرقند، پرچرب و پر نمک را کاهش داد. علاوه بر این، ورزش متوسط ​​نیز می تواند فواید سلامتی زیادی داشته باشد و به بهبود سلامت قلبی عروقی و توانایی شناختی کمک کند. حفظ کیفیت خواب خوب همچنین می تواند باعث ترمیم مغز و ذخیره حافظه شود.

علاوه بر این، حفظ یک زندگی اجتماعی خوب، آموزش مغز و کاهش استرس نیز باعث بهبود حافظه و توانایی شناختی شده است. به طور خلاصه، با تنظیم سبک زندگی و حفظ عادات سالم، می توانیم حافظه و توانایی شناختی خود را به میزان قابل توجهی بهبود بخشیم و خطر ابتلا به بیماری را کاهش دهیم. به این ترتیب می توانیم از زندگی، کار و مطالعه بهتر لذت ببریم. مشاهده می شود که ما نیاز به بهبود حافظه داریم و سیستانچ می تواند حافظه را به میزان قابل توجهی بهبود بخشد زیرا می تواند تعادل انتقال دهنده های عصبی مانند افزایش سطح استیل کولین و فاکتورهای رشد را که برای حافظه و یادگیری بسیار مهم هستند، تنظیم کند. علاوه بر این، سیستانچ همچنین می تواند جریان خون را بهبود بخشد و اکسیژن رسانی را بهبود بخشد، که می تواند اطمینان حاصل کند که مغز تغذیه و انرژی کافی را دریافت می کند و در نتیجه نشاط و استقامت مغز را بهبود می بخشد.

روی 10 روش برای بهبود حافظه کلیک کنید

تفاوت معنی داری بین نسبت موارد طبقه بندی شده PD-MCI بر اساس معیارهای قطع، با اندازه اثر بزرگ (χ2(2)=563.10، p < 0.001، η{7}}.66) و تفاوت در جهت مورد انتظار (p's <0.001).

در هر سه قطع، اکثر موارد PD-MCI دارای اختلالات تک دامنه ای بودند (-1 SD: 64.59٪، -1.5 SD: 77.0٪، -2 SD: 80.22٪) (شکل 1). Single-EF رایج ترین زیرگروه PD-MCI بود.

با این حال، بخش قابل توجهی از موارد در زیرگروه های غیر EF قرار گرفتند (-1 SD: 19٪، -1.5 SD: 19٪، -2 SD: 26٪). طبقه‌بندی به این زیرگروه‌های دیگر عمدتاً ناشی از کمبود حافظه و زبان بود.

از موارد PD-MCI، هنگام استفاده از بریدگی SD -1، -1.5، و -2، 33٪، 25٪ و 31٪ نقص حافظه، و 17٪، 15٪ و 11٪ نقص زبان داشتند.

3.3. فنوتیپ های شناختی مشتق از خوشه

نتایج تحلیل خوشه‌ای K-means وجود سه خوشه را تایید کرد. عضویت در خوشه پس از 10 تکرار پایدار بود. هیچ یک از خوشه ها به طور غیرقابل قبول کوچکی نبودند.
بازرسی بصری مراکز خوشه (شکل 2) گروهی با شناخت متوسط ​​در همه حوزه ها (n=154)، گروهی با عملکرد اجرایی پایین (EF پایین) (n=227) و گروهی با عملکرد اجرایی و اختلالات حافظه، و همچنین نمرات پایین زبان (EF/حافظه با اختلال برجسته) (n=113). تجزیه و تحلیل خوشه سلسله مراتبی از استفاده از دو یا سه خوشه بر اساس تغییرات در ضرایب تراکم پشتیبانی کرد.

هنگام بررسی نسبت موارد اختصاص داده شده به یک خوشه با هر دو روش خوشه‌بندی، راه‌حل سه خوشه‌ای بیشترین تطابق (84.41 درصد) را نسبت به راه‌حل‌های دو و چهار خوشه (به ترتیب 78.34 درصد و 58.70 درصد) داشت. به مراتب از 25 درصد بیشتر از آستانه شانس فراتر رفت.

با استفاده از استاندارد K-means، روی 89.61٪ (n=138) از گروه میانگین شناختی، 83.36٪ (n=189) از گروه EF پایین، و 79.67٪ (n {= 138) توافق وجود داشت. 9}}) از گروه Prominently ImpairedEF/Memory.

بین احتمال تخصیص به گروه معادل با استفاده از هر دو روش خوشه‌بندی رابطه معنی‌داری وجود داشت (χ2(4)=598.73، p <0.001). بنابراین، سه خوشه K-means به عنوان راه حل خوشه ای بهینه تعیین شد و در تمام تحلیل های بعدی مورد استفاده قرار گرفت.

جدول 3 نمرات جمعیت شناختی، شناختی، خلقی و حرکتی سه خوشه شناختی را نشان می دهد. نتایج آزمون‌های Kruskal–Wallis H نشان داد که این سه خوشه به طور قابل‌توجهی در نمرات کل DRS{1}} و تمام نمرات ترکیبی شناختی در جهت مورد انتظار تفاوت داشتند.

به طور خاص، شرکت‌کنندگان در گروه میانگین شناختی عملکرد بهتری نسبت به گروه EF پایین داشتند، که نسبت به گروه EF/حافظه با اختلال برجسته در تمام شاخص‌های شناختی عملکرد بهتری داشتند.

همانطور که در جدول 3 نشان داده شده است، سه خوشه همچنین در مورد شدت علائم حرکتی، علائم خلقی خود گزارش شده و توزیع نژادی/قومی متفاوت بودند. یعنی، شرکت‌کنندگان در خوشه EF/حافظه با اختلال برجسته علائم حرکتی (نمرات UPDRS قسمت III)، بی‌تفاوتی بیشتر (AS) و اضطراب صفت بیشتر (STAI:Trait) نسبت به سایر خوشه‌ها و علائم افسردگی بیشتر (BDI-II) داشتند. از خوشه میانگین شناختی.

آنهایی که در EF پایین و EF/حافظه با اختلال برجسته بودند، اضطراب حالتی (STAI: State) به طور قابل توجهی نسبت به خوشه میانگین شناختی داشتند. علاوه بر این، تفاوت معنی‌داری بین نسبت‌های خوشه‌ها از شرکت‌کنندگان سفیدپوست اسپانیایی تبار وجود داشت، که تعداد کمتری در این خوشه نشان داده شد. از نظر شناختی متوسط ​​خوشه ای نسبت به هر دو خوشه دیگر.

در مقابل، هیچ تفاوت معنی‌داری بین خوشه‌ها در سایر ویژگی‌های جمعیت شناختی (سن، تحصیلات، جنس)، مدت بیماری (سال‌های پس از تشخیص، سال‌های پس از شروع علائم)، یا نسبت شرکت‌کنندگان با هر زیرگروه حرکتی وجود نداشت. به طور کلی، خوشه EF/حافظه با اختلال برجسته نسبت به دو خوشه دیگر علائم خلقی، انگیزشی و حرکتی بدتری داشت، اما تأثیرات این تفاوت ها کم بود.

در ادامه، ما تحلیل‌های همبستگی پیرسون را بین ترکیبات شناختی و اقدامات خلقی/انگیزه انجام دادیم (برای تحلیل‌ها به جدول A2 مراجعه کنید). به طور کلی، نتایج همچنان نشان می دهد که یک رابطه استثنایی کوچک اما سازگار بین علائم خلقی بیشتر و عملکرد شناختی بدتر در سراسر دامنه ها وجود دارد.

علاوه بر این، ما تجزیه و تحلیل‌های اکتشافی را در حوزه زبان انجام دادیم تا مشخص کنیم که آیا یکی از این دو معیار عملکرد زبانی پایینی را که در خوشه EF/حافظه با اختلال برجسته مشاهده می‌شود، هدایت می‌کند یا خیر. ما دریافتیم که عملکرد روانی معنایی به طور قابل توجهی کمتر از نامگذاری رویارویی است (جدول A3 را ببینید).

3.4. رابطه بین فنوتیپ های شناختی و طبقه بندی PD-MCI

جدول 4 توزیع موارد PD-MCI را در هر خوشه با استفاده از سه بریدگی اختلال PD-MCI نشان می دهد. آزمون‌های مستقل کای‌دو پیرسون نشان داد که طبقه‌بندی PD-MCI و عضویت در خوشه با اندازه اثر بزرگ به طور معنی‌داری با یکدیگر مرتبط هستند (جدول 4).

در هر سه برش، خوشه میانگین شناختی موارد بسیار کمی PD-MCI را شامل می‌شود. با استفاده از قطع SD -1، خوشه‌های EF/Memory با EF پایین و ProminentlyImpaired دارای بخش‌های مشابهی از موارد PD-MCI بودند.

با استفاده از بریدگی SD 1.5-، حدود سه چهارم موارد PD-MCI در خوشه EF/Memory با نقص برجسته و حدود یک چهارم در خوشه Low EF قرار گرفتند.

در نهایت، با استفاده از بریدگی SD -2، تقریباً تمام موارد PD-MCI در خوشه برجسته EF/Memory Impaired قرار گرفتند. بنابراین، هرچه برش اختلال دقیق‌تر باشد، خوشه EF/Memory با اختلال برجسته حساس‌تر به داشتن بخش‌های بیشتری از موارد طبقه‌بندی شده thePD-MCI بود.

تجزیه و تحلیل رگرسیون لجستیک باینری بررسی کرد که عضویت در خوشه چگونه طبقه بندی PD-MCI را پیش بینی کرد. هر قطع نقص دارای آزمون‌های همه جانبه قابل‌توجهی بود (-1 SD: X2(2)= 274.61، p <0.001، کاکس و اسنل R{{{ 8}}.43، Nagelkerke R{10}}.58; 2=0.52; −2 SD: X2(2)=128.35, p <0.001, Cox and Snell R2=0.23, Nagelkerke R2=0.50) .

همه مدل‌ها اندازه‌های اثر بزرگی داشتند که بین 50 تا 58 درصد واریانس در طبقه‌بندی PD-MCI را توضیح می‌دادند، و عضویت خوشه‌ای یک پیش‌بینی‌کننده مهم در هر سه مدل قطع اختلال بود.

با استفاده از برش SD -1، آنهایی که در خوشه میانگین شناختی بودند 1000× شانس کمتری داشتند که به عنوان PD-MCI طبقه بندی می شدند، نسبت به EF/Memorycluster با اختلال آشکار، در حالی که آنهایی که در خوشه EF پایین بودند 16.95× داشتند. شانس کمتر (p's < 0.001؛ CognitivelyAverage خوشه 95% فاصله اطمینان (CI): 200-مناسب مدل کامل؛ EF پایین 95% CI: 8.29–35.71).

این مدل به درستی 79.1 درصد از موارد PD-MCI را با حساسیت ضعیف طبقه‌بندی کرد (زیرا فقط نیمی از موارد PD-MCI توسط مدل طبقه‌بندی شدند) و ویژگی عالی (زیرا تقریباً همه شرکت‌کنندگان خوشه‌ای با میانگین شناختی به‌درستی به‌عنوان از لحاظ شناختی عادی طبق مدل طبقه‌بندی شدند. جدول 5).

با استفاده از بریدگی SD 1.5-، افرادی که در خوشه میانگین شناختی بودند 333.33× شانس کمتری داشتند که به عنوان PD-MCI طبقه بندی شوند، نسبت به خوشه EF/Memory با اختلال برجسته، در حالی که آن هایی که در خوشه EF پایین بودند شانس کمتری داشتند (p's 87/18). 0.001؛ میانگین اطمینان شناختی 95%: 47.{11}}مطابقت کامل مدل LowEF 95%: 10.53–33.33).

این مدل به درستی 87.9٪ موارد PD-MCI را با حساسیت قوی تر و ویژگی کمی پایین تر (اما هنوز عالی) نسبت به مدل معیار SD -1 طبقه بندی کرد. در نهایت، با استفاده از بریدگی SD -2، آنهایی که در خوشه EF پایین بودند 71.43 برابر احتمال کمتری داشتند که به عنوان PD-MCI طبقه بندی شوند، نسبت به خوشه EF/Memory با اختلال برجسته، در حالی که هیچ موردی در خوشه میانگین شناختی به عنوان PD-MCI طبقه بندی نشد. (EF پایین p < 0.001,95% CI: 16.39-333.33).

این مدل نهایی به درستی 90.9 درصد موارد PD-MCI را طبقه‌بندی کرد، اما مدل پیش‌بینی کرد که همه موارد از نظر شناختی نرمال بودند، که منجر به حساسیت صفر و ویژگی کامل شد.

هنگام استفاده از عضویت گروه PD-MCI پیش‌بینی‌شده مدل‌ها برای پیش‌بینی طبقه‌بندی واقعی PDMCI، هر سه مدل آمار C قابل‌قبول و قابل‌توجهی را تولید می‌کنند (بالاتر از 70%, p's < 0).{12}}{{{{12} 15}} جدول 5). مدل با استفاده از برش SD -1.5 بالاترین حساسیت و ویژگی را به طور مشترک به حداکثر رسانده است (-1 SD Youden's Index (YI): 0.50؛ -1.5 SD YI: 0.66؛ -2 SD YI: 0).

جدول 5 مقادیر پیش بینی مثبت و منفی را ارائه می دهد که بر اساس مجموعه ای از تخمین های نرخ پایه PD-MCI پیش بینی شده اند. با استفاده از نرخ‌های شیوع نمونه برای هر برش، برش SD -1 این احتمال را به حداکثر می‌رساند که آنهایی که توسط مدل به‌عنوان PD-MCI طبقه‌بندی شده‌اند، واقعاً این تشخیص اکچوئری را برآورده می‌کنند، در حالی که قطع SD -1.5 احتمال اینکه آنهایی که به‌عنوان از نظر شناختی نرمال طبقه‌بندی می‌شوند، واقعاً از نظر شناختی سالم نیستند را به حداکثر می‌رساند.

از آنجایی که نرخ پایه واقعی PD-MCI ناشناخته است، از نقطه پایین، میانی و انتهایی دامنه شیوع تخمین زده شده نیز برای محاسبه مقادیر اخباری مثبت و منفی استفاده شد [25،26].

در محیط‌هایی با میزان شیوع PD-MCI پایین‌تر (مثلاً 25%)، استفاده از 1- SD احتمال طبقه‌بندی صحیح را به حداکثر می‌رساند، اما در محیط‌هایی که دارای جمعیتی با احتمال اختلال بیشتر است (مثلاً 45%)، پس از آن 1.5- SD می‌تواند این کار را انجام دهید.

از آنجایی که بیماران ما همگی در یک کلینیک تخصصی دیده می شدند، احتمالاً شیوع PD-MCI در نمونه ما به این نقطه میانی از میزان شیوع تخمین زده شده قبلی نزدیک تر است.

در مجموع، استفاده از بریدگی SD -1.5 منجر به عضویت در خوشه با دقت طبقه‌بندی مبتنی بر مدل بالا، بزرگترین YI، و به طور مشترک حداکثر PPV/NPV (براساس تنظیمات بالینی نمونه ما) شد.

For more information:1950477648nn@gmail.com