MemTrax-testi verrattuna Montrealin kognitiivisen arvioinnin arvioon lievästä kognitiivisesta heikkenemisestä

Artikkelin tyyppi: MemTrax tutkimus Artikkeli

Tekijät: van der Hoek, Marjanne D. | Nieuwenhuizen, Arie | Keijer, Jaap | Ashford, J. Wesson

kytkökset:  Stanfordin yliopisto, Stanford, CA, USA - Psykiatrian ja käyttäytymistieteiden laitos, Applied Research Center Food and Dairy, Van Hall Larenstein University of Applied Sciences, Leeuwarden, Alankomaat | Ihmisen ja eläinten fysiologia, Wageningenin yliopisto, Wageningen, Alankomaat | War Related Illness and Injury Study Center, VA Palo Alto HCS, Palo Alto, CA, USA

DOI: 10.3233/JAD-181003

Lehti: Journal of Alzheimerin tauti, voi. 67, ei. 3, s. 1045-1054, 2019

Abstrakti

Kognitiivinen vajaatoiminta on yleisin syy vanhusten toimintahäiriöihin. Kun lievä kognitiivinen heikentyminen (MCI) esiintyy vanhuksilla, ja se on usein dementian esiaste. Montreal Cognitive Assessment (MoCA) on yleisesti käytetty työkalu MCI:n seulomiseen. Tämä testi vaatii kuitenkin kasvokkain tapahtuvaa käsittelyä, ja se koostuu joukosta kysymyksiä, joiden vastaukset arvioija laskee yhteen saadakseen pisteet, joiden tarkka merkitys on ollut kiistanalainen. Tämä tutkimus oli suunniteltu arvioimaan tietokoneistetun laitteen suorituskykyä muisti testi (MemTrax), joka on jatkuvan tunnistustehtävän muunnelma suhteessa MoCA:han. Kaksi tulosmittaria luodaan MemTrax-testi: MemTraxspeed ja MemTraxcorrect. Koehenkilöille annettiin MoCA ja MemTrax testi. MoCA:n tulosten perusteella koehenkilöt jaettiin kahteen kognitiivisen tilan ryhmään: normaali kognitio (n = 45) ja MCI (n = 37). Keskimääräiset MemTrax-pisteet olivat merkittävästi alhaisemmat MCI:ssä kuin normaalissa kognitioryhmässä. Kaikki MemTrax-tulosmuuttujat liittyivät positiivisesti MoCA:han. Kaksi tapaa, keskiarvon laskeminen MemTrax-pisteitä ja lineaarista regressiota käytettiin arvioimaan MemTrax-testin raja-arvot tunnistaaksesi MCI:n. Nämä menetelmät osoittivat, että tulokseksi MemTrax_nopeus pisteet alle 0.87 - 91 s^-1 on osoitus MCI:stä ja tuloksesta MemTrax_korjata 85–90 %:n alapuolella oleva pistemäärä on merkki MCI:stä.

JOHDANTO

Maailman väestö Euroopan, Pohjois-Amerikan ja Pohjois-Aasian johdolla ikääntyy, mikä aiheuttaa nopean ikääntyneiden osuuden kasvun. Iän myötä kognitiivisten häiriöiden, dementian ja Alzheimerin tauti (AD), mikä johtaa valtavaan kasvuun näissä sairauksissa olevien ihmisten määrässä. Varhainen havaitseminen ja kognitiivisten häiriöiden tunnistaminen voi parantaa potilaiden hoitoa, alentaa terveydenhuollon kustannuksia ja auttaa viivästyttämään vakavampien oireiden ilmaantumista, mikä mahdollisesti auttaa helpottamaan nopeasti kehittyvää dementian ja AD:n taakkaa. Siksi vanhusten kognitiivisten toimintojen seurantaan tarvitaan parempia työkaluja.

Kliinikot ja tutkijat ovat kehittäneet satoja seulonta- ja lyhytarviointityökaluja vanhusten kognitiivisten ja käyttäytymistoimintojen kliinisten arvioiden suorittamiseksi, ja useita testejä on tullut yleiseen käyttöön. Yksi yleisimmin käytetyistä työkaluista lievän kognitiivisen vajaatoiminnan (MCI) kliiniseen arviointiin akateemisissa ympäristöissä on Montrealin kognitiivinen arviointi (MoCA).

MoCA arvioi seitsemää kognitiivista toimintoa: toimeenpano, nimeäminen, huomio, kieli, abstraktio, muisti/viivästynyt muistaminen ja suuntautuminen. MoCA:n muisti/viivästynyt palautus ja suuntaus tunnistettiin aiemmin herkimmiksi kohteiksi varhaisille Alzheimerin tyyppisille kognitiivisille häiriöille, mikä johti käsitykseen, että muistin koodaus oli AD-neuropatologisen prosessin perustekijä. Siksi muisti on keskeinen huomioitava kognitiivinen tekijä kliinisessä työkalussa AD:hen liittyvien kognitiivisten häiriöiden arvioimiseksi, kun taas muut heikot, kuten afasia, apraksia, agnosia ja toimeenpanohäiriöt, voivat liittyä toisiinsa, vaikka niitä yleensä häiritsee AD. neuroplastisen muistin käsittelymekanismien toimintahäiriöön tukevilla neokortikaalisilla alueilla.

Vaikka MoCA:ta käytetään laajalti MCI:n arvioinnissa, MoCA:n anto tapahtuu kasvokkain, mikä on aikaa vievää ja vaatii kliinistä kohtaamista ja näin ollen vaatii huomattavia kustannuksia jokaisesta annosta. Arvioinnin aikana testin suorittamiseen kuluva aika lisää arvioinnin tarkkuutta, joten tulevassa kehityksessä on otettava tämä suhde huomioon tehokkaampien testien kehittämiseksi.

Kriittinen kysymys tällä alueella on kognitiivisen arvioinnin vaatimus ajan mittaan. Ajan myötä tapahtuneiden muutosten arviointi on havaitsemisen kannalta tärkeä ja heikkenemisen etenemisen, hoidon tehokkuuden ja terapeuttisten tutkimusinterventioiden arvioinnin määrittäminen. Useimmat tällaisista saatavilla olevista työkaluista eivät ole sopivia tai suunniteltuja korkeaan tarkkuuteen, eikä niitä ole helppo käyttää säännöllisesti. Ratkaisuksi kognitiivisen arvioinnin parantamiseen on ehdotettu tietokoneistamista, mutta useimmat tällaiset ponnistelut ovat tuottaneet vain yleisesti käytettyjen neuropsykologisten testien tietokoneistamisen, eikä niitä ole kehitetty erityisesti käsittelemään kognitiivisen arvioinnin kriittisiä kysymyksiä, joita tarvitaan varhaisen ymmärtämisen kannalta. dementia ja sen etenemistä. Siksi uusien kognitiivisten arviointityökalujen olisi oltava tietokoneistettuja ja perustuttava rajoittamattomaan lähteeseen vertailukelpoisia testejä, joita kieli tai kulttuuri eivät rajoita ja jotka tarjoavat tarkkuutta, tarkkuutta ja luotettavuutta, jota voidaan asteittain parantaa. Lisäksi tällaisten testien on oltava hauskoja ja mukaansatempaavia, jotta toistuva testaus katsotaan pikemminkin positiiviseksi kuin raskaaksi kokemukseksi. Erityisesti online-testaus tarjoaa mahdollisuuden vastata tähän tarpeeseen, samalla kun se tarjoaa nopean tiedonkeruun ja -analyysin sekä välittömän palautteen osallistuville henkilöille, kliinikoille ja tutkijoille.

Tämä tutkimus suunniteltiin arvioimaan jatkuvan tunnistustehtävän (CRT) paradigman online-sopeutuksen hyödyllisyyttä arvioitaessa kognitiivisia toimintoja yhteisössä asuvien henkilöiden populaatiossa, joilla ei ole todettu olevan dementiaa. CRT-paradigmaa käytetään laajasti akateemisessa muistitutkimukset mekanismeja. CRT-lähestymistapa otettiin ensin käyttöön yleisön esittelytyökaluna, joka tarjosi tietoa henkilöistä, jotka olivat kiinnostuneita muistin ongelmia. Myöhemmin ranskalainen yritys (HAPPYneuron, Inc.) toteutti tämän testin verkossa. yhdysvaltalaisen yrityksen MemTrax, LLC (http://www.memtrax.com) toimesta; aivojen toimesta terveys Rekisteri, jonka on kehittänyt tohtori Michael Weiner, UCSF, ja hänen tiiminsä tukemaan rekrytointia kognitiivisten häiriöiden tutkimuksiin; ja kiinalainen yritys SJN Biomed, LTD). Tämä testi kesäkuussa 2018 on kerännyt tietoja yli 200,000 XNUMX käyttäjältä, ja sitä testataan useissa maissa.

Tässä tutkimuksessa MemTrax (MTX), CRT-pohjainen testi, annettiin yhdessä MoCA: n kanssa itsenäisesti elävälle iäkkäälle väestölle Pohjois-Alankomaissa. Tämän tutkimuksen tavoitteena oli määrittää tämän CRT:n toteutuksen suorituskyvyn ja MoCA:n välinen suhde. Kysymys oli siitä, olisiko MTX hyödyllinen MoCA:n arvioimien kognitiivisten toimintojen arvioinnissa, mikä voisi viitata mahdolliseen kliiniseen soveltuvuuteen.

MATERIAALIT JA MENETELMÄT

Tutkimusväestö

Lokakuun 2015 ja toukokuun 2016 välisenä aikana tehtiin poikkileikkaustutkimus yhteisössä asuvien vanhusten keskuudessa Pohjois-Alankomaissa. Tutkittavat (≥75v) rekrytoitiin jakamalla lentolehtisiä ja iäkkäille ihmisille järjestettyjen ryhmätapaamisten aikana. Potentiaalisilla koehenkilöillä vierailtiin kotona ja seulottiin mukaanotto- ja poissulkemiskriteerit ennen kuin heidät otettiin mukaan tähän tutkimukseen. Koehenkilöt, jotka kärsivät (itseraportoidusta) dementiasta tai joilla oli vakava näkö- tai kuulovaurio, joka vaikuttaisi kognitiivisten testien antamiseen, ei saanut osallistua tähän tutkimukseen. Lisäksi opiskelijoiden oli kyettävä puhumaan ja ymmärtämään hollannin kieltä, eivätkä ne saa olla lukutaidottomia. Tutkimus on tehty Helsingin vuoden 1975 julistuksen mukaisesti ja kaikki osallistujat allekirjoittivat tietoinen suostumus lomakkeella saatuaan yksityiskohtaisen selvityksen tutkimuksesta.

Tutkimusmenettely

Tutkimukseen ilmoittautumisen jälkeen suoritettiin yleinen kyselylomake, joka sisälsi kysymyksiä demografisista tekijöistä, kuten iästä ja koulutusvuosista (alakoulusta alkaen), sairaushistoriasta ja alkoholin käytöstä. Kyselylomakkeen täyttämisen jälkeen MoCA- ja MTX-testit annettiin satunnaisessa järjestyksessä.

MemTrax - Tutkimuslääketieteellinen keskus

MemTrax, LLC:n (Redwood City, CA, USA) ansiosta MTX-testistä toimitettiin ilmaiset täysversiot. Tässä testissä näytetään 50 kuvan sarja enintään kolmen sekunnin ajan. Kun tarkka toistuva kuva ilmestyi (25/50), koehenkilöitä kehotettiin reagoimaan toistuvaan kuvaan mahdollisimman nopeasti painamalla välilyöntiä (mikä osoitti punaisella teipillä). Kun kohde vastasi kuvaan, seuraava kuva näytettiin välittömästi. Testin päätyttyä ohjelma näyttää oikeiden vastausten prosenttiosuuden (MTX_korjata) ja toistuvien kuvien keskimääräinen reaktioaika sekunteina, mikä heijastaa aikaa, joka tarvitaan välilyöntinäppäimen painamiseen toistuvan kuvan tunnistamisen yhteydessä. Näiden kahden mittasuhteen mittojen vastaamiseksi reaktioaika muutettiin reaktionopeudeksi (MTX_nopeus) jakamalla 1 reaktioajalla (eli 1/MTX_reaktioaika). Kaikkien yksittäisten MemTrax-pisteiden testihistoria ja niiden voimassaolo tallentuivat automaattisesti online-tiliin. Kaikkien suoritettujen testien pätevyys tarkastettiin, jolloin vaadittiin 5 tai vähemmän vääriä positiivisia vastauksia, 10 tai enemmän oikeaa tunnistusta ja keskimääräinen tunnistusaika 0.4 - 2 sekuntia, ja vain kelvolliset testit sisällytettiin analyysiin.

Ennen varsinaisen MTX-testin suorittamista testi selitettiin yksityiskohtaisesti ja koehenkilöille annettiin harjoituskoe. Tämä sisälsi paitsi itse testin myös ohjeet ja lähtölaskentasivut, joiden avulla osallistuja tottui sivuston ulkoasuun ja tarvittaviin alkutoimenpiteisiin ennen testin alkua. Kuvien toistumisen välttämiseksi varsinaisen testin aikana, harjoitustestissä käytettiin kuvia, jotka eivät sisälly MemTrax-tietokantaan.

Montrealin kognitiivinen arviointi työkalu

MoCA Institute & Cliniquelta (Quebec, Kanada) saatiin lupa käyttää MoCA:ta tähän tutkimukseen. Hollantilainen MoCA on saatavilla kolmessa versiossa, jotka annettiin satunnaisesti koehenkilöille. MoCA-pistemäärä on kunkin arvioidun kognitiivisen alueen suorituskyvyn summa, ja sen enimmäispistemäärä on 30 pistettä. Virallisen suosituksen mukaan lisäpiste lisättiin, jos osallistujalla oli ≤12 vuotta koulutusta (jos <30 pistettä). Virallisia testiohjeita käytettiin ohjeena testien ajon aikana. Testit suoritti kolme koulutettua tutkijaa ja yhden testin antaminen kesti noin 10-15 minuuttia.

MemTrax Data-analyysi

Koulutukseen korjatun MoCA:n tulosten perusteella koehenkilöt jaettiin kahteen kognitiivisen tilan ryhmään: normaali kognitio (NC) vs. lievä kognitiivinen vajaatoiminta (MCI). MoCA-pistemäärää 23 käytettiin MCI:n rajana (22 ja sitä pienemmät pisteet katsottiin MCI:ksi), koska osoitettiin, että tämä pistemäärä osoitti yleisesti "parasdiagnostista tarkkuutta useilla parametreilla" verrattuna alun perin suositeltuun pistemäärään. 26 tai arvot 24 tai 25. Kaikissa analyyseissä käytettiin korjattua MoCA-pistettä, koska tätä pistemäärää käytetään kliinisissä olosuhteissa.

MTX-testi antaa kaksi tulosta, nimittäin MTX_reaktioaika, joka muutettiin MTX:ksi_nopeus 1/MTX_reaktioaikaja MTX_korjata.

Tilastolliset analyysit suoritettiin R:llä (versio 1.0.143, Rstudio Team, 2016). Normaalisuus tarkistettiin kaikkien muuttujien osalta Shapiro-Wilk-testillä. Koko tutkimuspopulaation sekä NC- ja MCI-ryhmien muuttujat ilmoitettiin keskiarvona ± keskihajonta (SD), mediaani ja kvartiiliväli (IQR) tai lukuina ja prosentteina. NC- ja MCI-ryhmien ominaisuuksien vertaamiseksi suoritettiin riippumattomien näytteiden T-testejä ja Wilcoxonin Sum Rank -testejä jatkuville muuttujille ja Chi-neliötestejä kategorisille muuttujille. Ei-parametrista Kruskal-Wallis-testiä käytettiin määrittämään, vaikuttivatko MoCA:n kolme versiota ja kolme järjestelmänvalvojaa MoCA-tuloksiin. Lisäksi suoritettiin riippumaton T-testi tai Wilcoxon Sum Rank -testi sen määrittämiseksi, vaikuttiko MoCA:n ja MTX:n antojärjestys testituloksiin (esim. MoCA-pisteet, MTX_korjataja MTX_nopeus). Tämä suoritettiin määrittämällä, olivatko keskimääräiset pisteet erilaiset koehenkilöillä, jotka saivat ensin MoCA:n ja sitten MemTraxin tai jotka saivat ensin MTX:n ja sitten MoCA:n.

Pearson-korrelaatio testit laskettiin MTX:n ja MoCA:n ja molempien MemTrax-suhteiden arvioimiseksi testitulokset, esim. MTXspeed ja MTXcorrect. Aiemmin suoritettu otoskokolaskelma osoitti, että yksisuuntaisessa Pearson-korrelaatiotestissä (teho = 80 %, α = 0.05), olettaen, että vaikutus on keskikokoinen (r = 0.3), tarvittiin vähimmäisotoskoko n = 67. Polysarjakorrelaatiotestit laskettiin MTX-testitulosten ja erillisten MoCA-domeenien välisen suhteen arvioimiseksi käyttämällä R:n psych-pakettia.

Vastaava MoCA-pistemäärä tietyille MemTrax-pisteille laskettiin laskemalla keskimääräinen MemTrax-pistemäärä kullekin mahdolliselle MoCA-pisteelle ja suoritettiin lineaarinen regressio näihin mittauksiin liittyvien yhtälöiden arvioimiseksi. Lisäksi MoCA:lla mitatun MCI:n MemTrax-testin raja-arvojen ja vastaavien herkkyys- ja spesifisyysarvojen määrittämiseksi suoritettiin ROC (Receiver Operator Characteristic) -analyysi käyttämällä pROC-pakettia R:ssä. Ei-parametrinen stratified bootstrapping (n) = 2000) käytettiin käyrien alla olevan alueen (AUC:t) ja vastaavien luottamusvälien vertailuun. Optimaalinen rajapistemäärä laskettiin Youden-menetelmällä, joka maksimoi todelliset positiiviset ja minimoi väärät positiiviset.

Kaikissa tilastollisissa analyyseissä kaksipuolista p-arvoa <0.05 pidettiin tilastollisen merkitsevyyden kynnysarvona, paitsi analyysissä, jossa arvioitiin MTX:n ja MoCA:n välistä suhdetta (eli korrelaatioanalyysi ja yksinkertainen lineaarinen regressio), jolle yksi- sivuttaista p-arvoa <0.05 pidettiin merkitsevänä.

MemTrax TULOKSET

Aiheet

Kaikkiaan tähän tutkimukseen osallistui 101 henkilöä. 19 henkilön tiedot jätettiin pois analyysistä, koska ohjelma ei tallentanut 12 henkilön MemTrax-testituloksia, 6 koehenkilöllä oli virheellisiä MemTrax-testituloksia ja yhdellä koehenkilöllä MoCA-pistemäärä oli 8 pistettä, mikä viittaa vakavaan kognitiiviseen heikkenemiseen. poissulkemiskriteeri. Siksi analyysiin sisällytettiin tiedot 82 koehenkilöltä. MoCA-testituloksissa ei havaittu merkittäviä eroja MoCA-versioiden ja ylläpitäjien välillä. Lisäksi testin antamisen järjestyksellä ei ollut merkittävää vaikutusta mihinkään testitulokseen (MoCA, MTX_nopeus, MTX_korjata). MoCA-testitulosten perusteella koehenkilöt sijoitettiin NC- tai MCI-ryhmään (esim. MoCA ≥ 23 tai MoCA <23, vastaavasti). Koehenkilöiden ominaisuudet koko tutkimuspopulaatiolle sekä NC- ja MCI-ryhmille on esitetty taulukossa 1. Ryhmien välillä ei ollut merkittäviä eroja paitsi MoCA-pisteiden mediaanien (25 (IQR: 23–26) vs. 21 (IQR: 19–22) välillä. ) pistettä, Z = -7.7, p < 0.001).

pöytä 1

Aiheen ominaisuudet

	Tutkimuspopulaatio yhteensä (n = 82)	NC (n = 45)	MCI (n = 37)	p
Ikä (y)	83.5 5.2 ±	82.6 4.9 ±	84.7 5.4 ±	0.074
Nainen, nro (%)	55 (67)	27 (60)	28 (76)	0.133
Koulutus (y)	10.0 (8.0-13.0)	11.0 (8.0-14.0)	10.0 (8.0-12.0)	0.216
Alkoholin nauttiminen (# lasillista/viikko)	0 (0-4)	0 (0-3)	0 (0-5)	0.900
MoCA-pisteet (# pistettä)	23 (21-25)	25 (23-26)	21 (19-22)	na

Arvot ilmaistaan ​​keskiarvona ± sd, mediaanina (IQR) tai lukuina prosentteina.

Kognitiivinen tila MemTraxilla mitattuna

Kognitiivinen tila mitattiin MTX-testillä. Kuvassa 1 esitetään tulokset kognitiivinen testi NC- ja MCI-kohteiden tulokset. Keskimääräiset MTX-pisteet (esim_nopeus ja MTX_korjata) erosivat merkittävästi näiden kahden ryhmän välillä. NC-kohteet (0.916 ± 0.152 s^-1) reaktionopeus oli huomattavasti nopeampi verrattuna MCI-potilaisiin (0.816 ± 0.146 s^-1); t(80) = 3.01, p = 0.003) (kuvio 1A). Lisäksi NC-koehenkilöillä oli parempi pistemäärä MTX:ssä_korjata vaihteleva kuin MCI-potilailla (91.2 ± 5.0 % vs. 87.0 ± 7.7 %; t_w (59) = 2.89, p = 0.005) (kuvio 1B).

Fig.1

MTX-testitulosten laatikkodiagrammit NC- ja MCI-ryhmille. A) MTX_nopeus testitulos ja B) MTX_korjata testitulos. Molemmat MTX-testien tulosmuuttujat ovat merkittävästi alhaisemmat MCI-ryhmässä verrattuna NC-ryhmään. Vaaleanharmaa väri ilmaisee NC-kohteita, kun taas tummanharmaa väri osoittaa MCI-kohteet.

MemTraxin ja MOCA:n välinen korrelaatio

MTX-testitulosten ja MoCA:n väliset assosiaatiot on esitetty kuvassa 2. Molemmat MTX-muuttujat liittyivät positiivisesti MoCA:han. MTX_nopeus ja MoCA osoittivat merkitsevän korrelaation r = 0.39 (p = 0.000) ja korrelaation MTX:n välillä_korjata ja MoCA oli r = 0.31 (p = 0.005). MTX:n välillä ei ollut yhteyttä_nopeus ja MTX_korjata.

Fig.2

Assosiaatiot A) MTX:n välillä_nopeus ja MoCA; B) MTX_korjata ja MoCA; C) MTX_korjata ja MTX_nopeus. NC- ja MCI-kohteet on merkitty pisteillä ja kolmioilla. Jokaisen kaavion oikeassa alakulmassa näkyy kahden muuttujan välisen korrelaation rho ja vastaava p-arvo.

Assosiaatiot A) MTX-nopeuden ja MoCA:n välillä; B) MTXcorrect ja MoCA; C) MTXcorrect ja MTXspeed. NC- ja MCI-kohteet on merkitty pisteillä ja kolmioilla. Kunkin kaavion oikeassa alakulmassa näkyy kahden muuttujan välisen korrelaation rho ja vastaava p-arvo.[/caption]

Polysarjakorrelaatiot laskettiin MemTrax-testitulosten ja MoCA-verkkotunnusten välillä kunkin verkkotunnuksen ja MemTrax-mittareiden välisen yhteyden määrittämiseksi. Monisarjakorrelaatiot on esitetty taulukossa 2. Useat MoCA:n domeenit korreloivat merkittävästi MTX:n kanssa_{nopeus .}  Alueen "abstraktio" osoitti korkeimman korrelaation, vaikkakin kohtalaisen, MTX:n kanssa_nopeus (r = 0.35, p = 0.002). Verkkoalueet "nimeäminen" ja "kieli" osoittivat heikon tai kohtalaisen merkittävän yhteyden MTX:n kanssa_nopeus (r = 0.29, p = 0.026 ja r = 0.27, p = 0.012). MTX_korjata ei liittynyt merkitsevästi MoCA-domeeneihin, lukuun ottamatta heikkoa korrelaatiota domeenin "visuospatiaalinen" kanssa (r = 0.25, p = 0.021).

pöytä 2

MTX-testitulosten polyserialiset korrelaatiot MoCA-domeenien kanssa

	MTXnopeus	MTXkorjata
	r	p	r	p
Visuospatiaalinen	0.22	0.046	0.25	0.021
Nimeäminen	0.29	0.026	0.24	0.063
Huomio	0.24	0.046	0.09	0.477
Kieli	0.27	0.012	0.160	0.165
Abstraktio	0.35	0.002	0.211	0.079
Palauttaa mieleen	0.15	0.159	0.143	0.163
Suuntautuminen	0.21	0.156	0.005	0.972

Huomautus: Merkittävät korrelaatiot on lihavoitu.

MemTrax-pisteet ja arvioidut raja-arvot MCI:lle

Vastaavien MemTrax- ja MoCA-pisteiden määrittämiseksi kunkin MoCA-pistemäärän MemTrax-pisteistä laskettiin keskiarvo ja laskettiin lineaarinen regressio suhteiden ja vastaavien yhtälöiden ennustamiseksi. Lineaarisen regression tulokset osoittivat, että MTX_nopeus selitti 55 % MoCA:n varianssista (R² = 0.55, p = 0.001). Muuttuja MTX_korjata selitti 21 % MoCA:n varianssista (R² = 0.21, p = 0.048). Näiden suhteiden yhtälöiden perusteella laskettiin vastaavat MoCA-pisteet annetuille MTX-pisteille, jotka on esitetty taulukossa 3. Näiden yhtälöiden perusteella MTX:lle vastaavat raja-arvot (esim. MoCA-pisteet 23 pistettä)_nopeus ja MTX_korjata ovat 0.87 s^-1 ja 90 %. Lisäksi suoritettiin moninkertainen lineaarinen regressio molemmille MemTrax-muuttujille, mutta muuttuja MTX_korjata ei vaikuttanut merkittävästi malliin, joten tuloksia ei näytetä.

pöytä 3

Ehdotettu vastaava MoCA-pistemäärä tietyille MemTrax-pisteille

MoCA (pisteet)	Vastaava MTXnopeus (s-1)a	Ennusteen CI MTX:n kanssanopeus (pistettä)	Vastaava MTXkorjata (%)b	Ennusteen CI MTX:n kanssakorjata (pistettä)
15	0.55	7 - 23	68	3 - 28
16	0.59	8 - 24	71	5 - 28
17	0.63	10 - 24	73	6 - 28
18	0.67	11 - 25	76	8 - 28
19	0.71	12 - 26	79	9 - 29
20	0.75	13 - 27	82	11 - 29
21	0.79	14 - 28	84	12 - 30
22	0.83	15 - 29	87	13 - 30
23	0.87	16 - 30	90	14 - 30
24	0.91	17 - 30	93	15 - 30
25	0.95	18 - 30	95	16 - 30
26	0.99	19 - 30	98	16 - 30
27	1.03	20 - 30	100	17 - 30
28	1.07	21 - 30	100	17 - 30
29	1.11	21 - 30	100	17 - 30
30	1.15	22 - 30	100	17 - 30

^aKäytetty yhtälö: 1.1 + 25.2 *MTX_nopeus; ^b Käytetty yhtälö: –9.7 + 0.36 *MTX_korjata.

Lisäksi MTX-raja-arvot ja vastaava herkkyys ja spesifisyys määritettiin ROC-analyysillä. MemTrax-muuttujien ROC-käyrät on esitetty kuvassa 3. MTX:n AUC-arvot_nopeus ja MTX_korjata ovat 66.7 (CI: 54.9 - 78.4) ja 66.4 % (CI: 54.1 - 78.7). MoCA:n määrittämän MCI:n arvioimiseen käytettyjen MemTrax-muuttujien AUC-arvot eivät olleet merkitsevästi erilaisia. Taulukossa 4 on esitetty MemTrax-muuttujien eri rajapisteiden herkkyys ja spesifisyys. Optimaaliset rajapisteet, jotka maksimoivat todelliset positiiviset ja minimoivat vääriä positiivisia, MTX:lle_nopeus ja MTX_korjata olivat 0.91 s^-1 (herkkyys = 48.9 % spesifisyys = 78.4 %) ja 85 % (herkkyys = 43.2 %; spesifisyys = 93.3 %), vastaavasti.

Fig.3

MTX-testitulosten ROC-käyrät MoCA:n arvioiman MCI:n arvioimiseksi. Pisteviiva osoittaa MTX:n_nopeus ja yhtenäinen viiva MTX_korjata. Harmaa viiva edustaa viiteviivaa 0.5.

pöytä 4

MTX_nopeus ja MTX_korjata rajapisteet ja vastaava spesifisyys ja herkkyys

	Rajauspiste	Tp (#)	tn (#)	Fp (#)	Fn (#)	Spesifisyys (%)	Herkkyys (%)
MTXnopeus	1.20	37	1	44	0	2.2	100
	1.10	36	7	38	1	15.6	97.3
	1.0	33	13	32	4	28.9	89.2
	0.90	28	22	23	9	48.9	75.7
	0.80	18	34	11	19	75.6	48.6
	0.70	9	41	4	28	91.1	24.3
	0.60	3	45	0	34	100	8.1
MTXkorjata	99	36	3	42	1	97.3	6.7
	95	31	11	34	6	83.8	24.4
	91	23	23	22	14	62.2	51.1
	89	20	28	17	17	54.1	62.2
	85	16	42	3	21	43.2	93.3
	81	8	44	1	29	21.6	97.8
	77	3	45	0	34	8.1	100

tp, todella positiivinen; tn, tosi negatiivinen; fp, väärä positiivinen; fn, väärä negatiivinen.

KESKUSTELU

Tämä tutkimus perustettiin tutkimaan online-MemTrax-työkalua, CRT-pohjaista testiä, käyttäen MoCA:ta vertailuna. MoCA valittiin, koska tätä testiä käytetään tällä hetkellä laajalti MCI:n seulomiseen. MoCA:n optimaalisia raja-arvoja ei kuitenkaan ole määritelty selkeästi [28]. MemTraxin yksittäisten mittausten vertailu MoCA:n kanssa osoittaa, että yksinkertainen, lyhyt online-testi voi kaapata merkittävän osan kognitiivisen toiminnan ja kognitiivisten heikentymien varianssista. Tässä analyysissä voimakkain vaikutus nähtiin nopeusmittauksella. Oikeusmitta osoitti vähemmän vankan suhteen. Merkittävä havainto oli, että MTX-nopeuden ja oikeellisuusmittausten välillä ei havaittu korrelaatiota, mikä viittaa siihen, että nämä muuttujat mittaavat taustalla olevan eri komponentin. aivojen prosessointitoiminto. Siten mitään merkkejä nopeuden ja tarkkuuden kompromissista ei löydetty koehenkilöiden välillä. Lisäksi kahta eri menetelmää käytettiin arvioimaan MemTrax-muistitestin raja-arvot MCI:n havaitsemiseksi. Nämä menetelmät osoittivat, että tulosten nopeuden ja oikeellisuuden pisteet olivat alle 0.87 - 91 s.^-1 ja 85–90 % ovat osoitus siitä, että henkilöillä, joiden pisteet ovat alle jonkin näistä alueista, on todennäköisemmin MCI. "Kustannusanalyysi" osoittaisi, missä vaiheessa henkilöä tulisi neuvoa kääntymään lääkärin puoleen kattavampien testien suorittamisesta MCI:n seulomiseksi [8-35].

Tässä tutkimuksessa havaittiin, että MoCA:n mittaamilla aloilla "nimeäminen", "kieli" ja "abstraktio" oli korkein korrelaatio yhden MemTrax-tuloksen kanssa, vaikka korrelaatiot olivat heikot tai kohtalaiset. Tämä on toisin kuin odotettiin, koska aiemmat tutkimukset osoittivat tutkiessaan Mielenterveyden minikoe käyttäen Item Response Theorya, että alueet "muisti / viivästetty palautus" ja "suuntautuminen" olivat herkimpiä varhaiselle AD:lle [12]. Tässä juuri aikainen vaihe Kognitiivisen toimintahäiriön osalta näyttää siltä, ​​että nimeämisen, kielen ja abstraktion hienovaraisten häiriöiden MoCA-indikaattorit ovat herkempiä MCI:lle kuin muistin ja orientaation mittaukset, mikä on yhdenmukaista MoCA:n Item Response Theory -analyysin aiempien havaintojen kanssa [36]. Lisäksi, Tunnistusnopeuden MemTrax-mitta näyttää heijastavan tätä varhaista häiriötä ennen tunnistusmuistia mitattuna MTX:llä (jolla on merkittävä kattovaikutus). Tämä tähdistö vaikutukset viittaavat siihen, että MCI:n aiheuttavan patologian monimutkaiset näkökohdat heijastavat varhaisia ​​aivoja muutokset, joita on ollut vaikea käsittää yksinkertaisilla neurokognitiivisilla lähestymistavoilla ja jotka voivat itse asiassa heijastaa taustalla olevan neuropatologian etenemistä [37].

Tämän tutkimuksen vahvuuksia ovat, että otoskoko (n = 82) oli enemmän kuin riittävä havaitsemaan MoCA:n ja MTX:n väliset korrelaatiot tässä suhteellisen vanhassa populaatiossa. Lisäksi kaikille koehenkilöille suoritettiin harjoituskoe, jotta tietokoneeseen tottuneet iäkkäät henkilöt pääsivät sopeutumaan testausympäristöön ja laitteistoon. MoCA:han verrattuna koehenkilöt osoittivat, että MemTrax oli hauskempaa tehdä, kun taas MoCA tuntui enemmän kokeelta. Tutkittavien ikä ja heidän yhteisöllisyytensä rajoittivat analyysin fokuksen tähän valikoituun suhteellisen hyvin toimivien yksilöiden ryhmään, mutta tämä ryhmä on vaikeimpia vamman tunnistamisen kannalta.

On huomattava, että vaikka MoCA pidetäänkin tavallisena seulontatestinä, se on vain testi MCI:n mahdollisen esiintymisen osoittamiseksi, ei diagnostinen työkalu tai kognitiivisen toimintahäiriön absoluuttinen mittaus. Joten vastaavasti MoCA:n ja MTX:n vertailu on suhteellista, ja kumpi tahansa on todennäköisesti taltioinut riippumattoman varianssin MCI-tunnistuksessa. Tästä syystä kirjallisuudessa tärkeä kysymys on ollut pyrkimys määritellä MoCA:n hyödyllisyys [38], sen validointi [39], normatiivisten pisteiden määrittäminen [40], vertailu muihin lyhyisiin kognitiivisiin arviointeihin [41–45]. , ja sen käyttökelpoisuus seulontatyökaluna MCI:lle [46] (arvioineet Carson et al., 2017 [28]), sekä sähköisen version [47] soveltuvuus. Tällaisiin analyyseihin kuuluu herkkyyden ja spesifisyyden tutkiminen, jossa käytetään yleensä ROC-analyysiä, jossa mitataan "käyrän alla oleva pinta-ala" ja suositellaan "diagnoosin" raja-arvoa. Kuitenkin, koska ei ole olemassa minkäänlaista lähestymistapaa sen määrittämiseksi absoluuttisesti, missä yksilö sijaitsee lievän vajaatoiminnan jatkumossa sekä taustalla olevan valtavan vaihtelun. aivotoiminnot Kaikki tällaiset työkalut voivat tarjota vain todennäköisyysarvioinnin, mikä edistää tätä heikkenemistä. Eri mittareiden välisten korrelaatioiden tarjoaminen osoittaa vain, että taustalla olevaa tilaa käsitellään oikein, mutta todellista biologista tilaa ei tällä lähestymistavalla voida tarkasti määritellä. Vaikka korkeamman tason analyysit voivat olla käytännössä hyödyllisiä kliinisessä ympäristössä, tällaisen hyödyn määrittäminen edellyttää neljän tekijän lisähuomiota: tilan esiintyvyys väestössä; testin kustannukset, väärien positiivisten tulosten kustannukset ja todellisen positiivisen diagnoosin aineellinen hyöty [8, 35].

Suuri osa ongelmaa arvioitaessa AD:ta ja siihen liittyvää kognitiivista heikkenemistä on se, että niitä ei ole olemassa "vaiheet" [48], vaan pikemminkin ajallinen etenemisen jatkumo [8, 17, 49]. "Normaalin" erottaminen MCI:stä on itse asiassa paljon vaikeampaa kuin erottaa jompikumpi näistä tiloista lievästä liittyvä dementia AD [50, 51] kanssa. "Modernin testiteorian" käsitettä käytettäessä ongelmaksi tulee sen määrittäminen, missä jatkumossa yksilö on todennäköisimmin tietyllä luottamusvälillä tietyn testipisteen perusteella. Tällaisten määritysten tekemiseksi tarvitaan tarkempia arvioita kuin mitä useimmat lyhyet kognitiiviset testit tarjoavat, mutta sellaisia ​​kuin MTX tarjoaa. Tarkkuuden lisääminen ja tarkkailijaharhan poistaminen tietokoneistetun testauksen avulla on lupaava suunta. Myös tietokoneistettu testi, kuten MemTrax, tarjoaa mahdollisuuden rajoittamattomaan määrään vertailukelpoisia testejä, mikä vähentää merkittävästi arvonalentumisestimaatin varianssia. Lisäksi periaatteessa tietokoneistettu testaus voi testata monia muistiin liittyviä alueita, joihin AD vaikuttaa. Tässä tutkimuksessa ei verrattu MTX:ää lukuisiin muihin tietokoneistettuihin testeihin, jotka on luotu (katso johdanto), mutta mikään tähän mennessä saatavilla olevista ei käytä CRT:n tarjoamaa tehokasta lähestymistapaa. Tietokoneistetun testauksen kehittäminen on tärkeä osa-alue, jolle on kiinnitettävä enemmän huomiota ja tukea. Lopuksi, koulutuksen vaikutukset voidaan ottaa huomioon analyyseissä.

Tällä hetkellä tietokoneistettu online-testaus ei ole vakiintunut lähestymistapa seuloa dementian varalta, arvioida kognitiivista heikkenemistä tai tehdä kliinistä diagnoosia. Tämän lähestymistavan, erityisesti CRT:n käytön teho ja potentiaali episodisen (lyhytaikaisen) muistin arvioinnissa on kuitenkin valtava ja se on todennäköisesti ratkaiseva tulevissa kognitiivisen arvioinnin sovelluksissa, mukaan lukien dementia seulonta ja arviointi, postoperatiivinen hämmennyksen seuranta, henkisen päätöksentekokyvyn määrittäminen, aivotärähdyksen jälkeisten puutteiden havaitseminen ja ajoturvallisuuden mahdollisen heikkenemisen arviointi. Tässä tutkimuksessa osoitetaan, että MemTrax voi kaapata merkittävän osan kognitiivisten heikentymien varianssista. Lisäksi MTX-muuttujille esitetään raja-arvot, jotka vastaavat MCI:n MoCA-rajapistemäärää. Tulevaa tutkimusta varten suositellaan tutkimista suuremmissa, selkeämmin määritellyissä populaatioissa MemTraxin luomiseksi MCI:n seulontatyökaluksi. Tällaiseen populaatioon tulisi kuulua kliiniset näytteet, joissa diagnostiset ongelmat voidaan määritellä mahdollisimman tarkasti ja koehenkilöitä voidaan seurata ajan mittaan MTX- ja muilla kognitiivisilla testeillä. Tällaisilla analyyseillä voidaan määrittää kognitiivisen heikkenemisen kehityskulkuja, jotka liittyvät sekä normaaliin ikääntymiseen että erilaisiin patologisiin tiloihin. Kun tietokoneistettu testaus ja rekisterit kehittyvät, paljon enemmän tietoa tasoista terveys tulee saataville ja johtaa epäilemättä terveydenhuollon suureen parantumiseen ja toivottavasti lähestymistapoja sellaisten sairauksien kuin AD:n estämiseksi.

KIITOKSET

Haluamme kiittää Anne van der Heijdeniä, Hanneke Rasingia, Esther Sinnemaa ja Melinda Loddersia heidän työstään tässä tutkimuksessa. Lisäksi haluamme kiittää MemTrax, LLC:tä siitä, että se tarjoaa ilmaiset täysversiot MemTrax-testistä. Tämä työ on osa tutkimusohjelmaa, jota rahoittavat Fryslânin maakunta (01120657), Alankomaat ja Alfasigma Nederland BV (suora apuraha numero 01120657). Julkaistu: 12

REFERENSSIT

[1]	Jorm AF, Jolley D (1998) Dementian ilmaantuvuus: meta-analyysi. Neurology 51, 728–733.
[2]	Hebert LE, Weuve. J, Scherr PA, Evans DA (2013) Alzheimerin tauti Yhdysvalloissa (2010-2050) arvioitu vuoden 2010 väestönlaskennan perusteella. Neurology 80, 1778–1783.
[3]	Weuve. J, Hebert LE, Scherr PA, Evans DA (2015) Prevalence of Alzheimerin tauti Yhdysvaltain osavaltioissa. Epidemiologia 26, e4–6.
[4]	Brookmeyer R, Abdalla N, Kawas CH, Corrada MM (2018) Prekliinisen ja kliinisen esiintyvyyden ennustaminen Alzheimerin tauti Yhdysvalloissa. Alzheimers Dement 14, 121-129.
[5]	Borson S , Frank L , Bayley PJ , Boustani M , Dean M , Lin PJ , McCarten JR , Morris JC , Salmon DP , Schmitt FA , Stefanacci RG , Mendiondo MS , Peschin S , Hall EJ , Fillit H , Ashford JW (2013) Dementian hoidon parantaminen: seulonnan ja kognitiivisten heikentymien havaitsemisen rooli. Alzheimers Dement 9, 151-159.
[6]	Loewenstein DA, Curiel RE, Duara R, Buschke H (2018) Uusia kognitiivisia paradigmoja muistin heikkenemisen havaitseminen prekliinisessä Alzheimerin taudissa. Arviointi 25, 348–359.
[7]	Thyrian JR, Hoffmann W, Eichler T (2018) Pääkirjoitus: Dementian varhainen tunnistaminen perusterveydenhuollon ajankohtaisissa kysymyksissä ja käsitteissä. Curr Alzheimer Res 15, 2–4.
[8]	Ashford JW (2008) Seulonta muistihäiriöiden, dementian ja Alzheimerin tauti. Aging Health 4, 399–432.
[9]	Yokomizo JE, Simon SS, Bottino CM (2014) Kognitiivinen seulonta dementia perusterveydenhuollossa: järjestelmällinen tarkastelu. Int Psychogeriatr 26, 1783–1804.
[10]	Bayley PJ , Kong JY , Mendiondo M , Lazzeroni LC , Borson S , Buschke H , Dean M , Fillit H , Frank L , Schmitt FA , Peschin S , Finkel S , Austen M , Steinberg C , Ashford JW (2015) Havainnot Kansallinen muistiseulonta Päivän ohjelma. J Am Geriatr Soc 63, 309–314.
[11]	Nasreddine ZS, Phillips NA, Bedirian V, Charbonneau S, Whitehead V, Collin I, Cummings JL, Chertkow H (2005) The Montreal Cognitive Assessment, MoCA: lyhyt seulontatyökalu lievään kognitiiviseen heikentymiseen. J Am Geriatr Soc 53, 695–699.
[12]	Ashford JW, Kolm P, Colliver JA, Bekian C, Hsu LN (1989) Alzheimer-potilaan arviointi ja minimenaalinen tila: kohteen ominaiskäyräanalyysi. J Gerontol 44, P139–P146.
[13]	Ashford JW, Jarvik L (1985) Alzheimerin tauti: altistaako hermosolujen plastisuus aksonien hermosäikeisten rappeutumiseen? N Engl J Med 313, 388-389.
[14]	Ashford JW (2015) Hoito Alzheimerin tauti: kolinergisen hypoteesin perintö, neuroplastisuus ja tulevaisuuden suunnat. J Alzheimers Dis 47, 149-156.
[15]	Larner AJ (2015) Suorituskykyyn perustuva kognitiivinen seulontalaitteet: laajennettu analyysi ajan ja tarkkuuden välisestä kompromissista. Diagnostics (Basel) 5, 504–512.
[16]	Ashford JW, Shan M, Butler S, Rajasekar A, Schmitt FA (1995) Temporal kvantifikaatio Alzheimerin tauti vakavuus: "aikaindeksi"-malli. Dementia 6, 269–280.
[17]	Ashford JW, Schmitt FA (2001) Aikakulun mallinnus Alzheimerin dementia. Curr Psychiatry Rep 3, 20–28.
[18]	Li K, Chan W, Doody RS, Quinn J, Luo S (2017) Ennuste muuntamisesta Alzheimerin tauti pitkittäismitoilla ja aika-tapahtumatiedoilla. J Alzheimers Dis 58, 361-371.
[19]	Dede E, Zalonis I, Gatzonis S, Sakas D (2015) Tietokoneiden integrointi kognitiiviseen arviointiin ja usein käytettyjen tietokoneakkujen kattavuustaso. Neurol Psychiatry Brain Res 21, 128–135.
[20]	Siraly E , Szabo A , Szita B , Kovacs V , Fodor Z , Marosi C , Salacz P , Hidasi Z , Maros V , Hanak P , Csibri E , Csukly G (2015) Monitoring the varhaiset merkit kognitiivisen heikkenemisen vanhuksilla tietokonepelien avulla: MRI-tutkimus. PLoS One 10, e0117918.
[21]	Gates NJ, Kochan NA (2015) Tietokoneistettu ja online-neuropsykologinen testaus myöhäisen elämän kognition ja neurokognitiivisten häiriöiden selvittämiseksi: olemmeko jo perillä? Curr Opin Psychiatry 28, 165–172.
[22]	Zygouris S , Tsolaki M (2015) Tietokoneistettu kognitiivinen testaus for vanhemmat aikuiset: arvostelu. Am J Alzheimers Dis Other Demen 30, 13–28.
[23]	Possin KL, Moskowitz T, Erlhoff SJ, Rogers KM, Johnson ET, Steele NZR, Higgins JJ, Stiver. J, Alioto AG, Farias ST, Miller BL, Rankin KP (2018) Brain Terveys Arviointi neurokognitiivisten häiriöiden havaitsemiseen ja diagnosointiin. J Am Geriatr Soc 66, 150–156.
[24]	Shepard RN, Teghtsoonian M (1961) Tietojen säilyttäminen olosuhteissa, jotka lähestyvät vakaata tilaa. J Exp Psychol 62, 302–309.
[25]	Wixted JT , Goldinger SD , ​​Squire LR , Kuhn JR , Papesh MH , Smith KA , Treiman DM , Steinmetz PN (2018) Episodisen muistin koodaus ihmisen hippokampus. Proc Natl Acad Sci USA 115, 1093-1098.
[26]	Ashford JW, Gere E, Bayley PJ (2011) Mittaus muistia suuressa ryhmässä jatkuvan tunnistustestin avulla. J Alzheimers Dis 27, 885-895.
[27]	Weiner MW, Nosheny R, Camacho M, Truran-Sacrey D, Mackin RS, Flenniken D, Ulbricht A, Insel P, Finley S, Fockler J, Veitch D (2018) The Brain Terveys Rekisteri: Internet-pohjainen foorumi osallistujien rekrytointiin, arviointiin ja pitkittäiseen seurantaan neurotieteen tutkimuksiin. Alzheimers Dement 14, 1063-1076.
[28]	Carson N, Leach L, Murphy KJ (2018) Montreal Cognitive Assessment (MoCA) -rajapisteiden uudelleentarkastelu. Int J Geriatr Psychiatry 33, 379–388.
[29]	Faul F, Erdfelder E, Buchner A, Lang AG (2009) Tilastolliset tehoanalyysit G*Power 3.1:n avulla: korrelaatio- ja regressioanalyysit. Behav Res Methods 41, 1149–1160.
[30]	Drasgow F (1986) Polychoric ja polyserial korrelaatioita. Julkaisussa Encyclopedia of Statistical Sciences, Kotz S, Johnson NL, Read CB, toim. John Wiley & Sons, New York, s. 68–74.
[31]	Revelle WR (2018) psych: Persoonallisuuden ja psykologisen tutkimuksen menettelyt. Northwestern University, Evanston, IL, Yhdysvallat.
[32]	Robin X, Turck N, Hainard A, Tiberti N, Lisacek F, Sanchez JC, Muller M (2011) proROC: avoimen lähdekoodin paketti R:lle ja S+:lle ROC-käyrien analysointia ja vertailua varten. BMC Bioinformatics 12, 77.
[33]	Fluss R, Faraggi D, Reiser B (2005) Youden-indeksin ja siihen liittyvän rajapisteen estimointi. Biom J 47, 458–472.
[34]	Youden WJ (1950) Indeksi diagnostisten testien arviointiin. Syöpä 3, 32–35.
[35]	Kraemer H (1992) Evaluating Medical Tests, Sage Publications, Inc., Newbury Park, CA.
[36]	Tsai CF, Lee WJ, Wang SJ, Shia BC, Nasreddine Z, Fuh JL (2012) Psychometriics of the Montreal Cognitive Assessment (MoCA) ja sen alaskaalat: MoCA:n taiwanilaisen version validointi ja item vasteteoriaanalyysi. Int Psychogeriatr 24, 651–658.
[37]	Aschenbrenner AJ, Gordon BA, Benzinger TLS, Morris JC, Hassenstab JJ (2018) Tau PET:n, amyloidi-PET:n ja hippokampuksen tilavuuden vaikutus kognitio Alzheimerin taudissa. Neurology 91, e859–e866.
[38]	Puustinen. J , Luostarinen L , Luostarinen M , Pulliainen V , Huhtala H , Soini M , Suhonen J (2016) MoCA:n ja muiden kognitiivisten testien käyttö kognitiivisten vaurioiden arvioinnissa iäkkäillä arthroplastikalla. Geriatr Orthop Surg Rehabil 7, 183–187.
[39]	Chen KL , Xu Y , Chu AQ , Ding D , Liang XN , Nasreddine ZS , Dong Q , Hong Z , Zhao QH , Guo QH (2016) Montrealin kiinalaisen version validointi Kognitiivisen arvioinnin perusteet lievän kognitiivisen vajaatoiminnan seulomiseen. J Am Geriatr Soc 64, e285–e290.
[40]	Borland E, Nagga K, Nilsson PM, Minthon L, Nilsson ED, Palmqvist S (2017) The Montreal Cognitive Assessment: normatiiviset tiedot suuresta ruotsalaisesta väestöpohjaisesta kohortista. J Alzheimers Dis 59, 893-901.
[41]	Ciesielska N, Sokolowski R, Mazur E, Podhorecka M, Polak-Szabela A, Kedziora-Kornatowska K (2016) Soveltuuko Montreal Cognitive Assessment (MoCA) -testi paremmin kuin Mini-Mental State Examination (MMSE) lievän kognitiivisen vajaatoiminnan (MCI) havaitsemisessa yli 60-vuotiailla? Meta-analyysi. Psychiatr Pol 50, 1039–1052.
[42]	Giebel CM, Challis D (2017) Sensitivity of the Mini-Mental State Examination, Montreal Kognitiivinen arviointi ja Addenbrooken kognitiivinen tutkimus III jokapäiväiseen toimintaan dementian heikentyminen: tutkiva tutkimus. Int J Geriatr Psychiatry 32, 1085–1093.
[43]	Kopecek M, Bezdicek O, Sulc Z, Lukavsky. J , Stepankova H (2017) Montreal Cognitive Assessment and Mini-Mental State Examination luotettavat muutosindeksit terveillä iäkkäillä aikuisilla. Int J Geriatr Psychiatry 32, 868–875.
[44]	Roalf DR, Moore TM, Mechanic-Hamilton D, Wolk DA, Arnold SE, Weintraub DA, Moberg PJ (2017) Kognitiiviset seulontatestit neurologisissa häiriöissä: risteys lyhyen Montrealin kognitiivisen arvioinnin ja mielentilatutkimuksen välillä. Alzheimers Dement 13, 947-952.
[45]	Solomon TM , deBros GB , Budson AE , Mirkovic N , Murphy CA , Solomon PR (2014) Korrelaatioanalyysi 5 yleisesti käytetystä kognitiivisen toiminnan ja henkinen tila: päivitys. Am J Alzheimers Dis Other Demen 29, 718–722.
[46]	Mellor D, Lewis M, McCabe M, Byrne L, Wang T, Wang. J, Zhu M, Cheng Y, Yang C, Dong S, Xiao S (2016) Sopivien seulontatyökalujen ja rajapisteiden määrittäminen kognitiivisten heikentymien varalta iäkkäässä kiinalaisessa näytteessä. Psychol Assess 28, 1345–1353.
[47]	Snowdon A, Hussein A, Kent R, Pino L, Hachinski V (2015) Sähköisen ja paperipohjaisen Montreal Cognitive Assessment Toolin vertailu. Alzheimer Dis Assoc Disord 29, 325–329.
[48]	Eisdorfer C, Cohen D, Paveza GJ, Ashford JW, Luchins DJ, Gorelick PB, Hirschman RS, Freels SA, Levy PS, Semla TP et al. (1992) Empiirinen arvio Global Deterioration Scale -asteikosta lavastusta varten Alzheimerin tauti. Am J Psychiatry 149, 190-194.
[49]	Butler SM, Ashford JW, Snowdon DA (1996) Ikä, koulutus ja muutokset iäkkäiden naisten Mini-Mental State Exam -pistemäärissä: Nunna-tutkimuksen havainnot. J Am Geriatr Soc 44, 675–681.
[50]	Schmitt FA, Davis DG, Wekstein DR, Smith CD, Ashford JW, Markesbery WR (2000) "Prekliininen" AD uudelleen: kognitiivisesti normaaleiden vanhempien aikuisten neuropatologia. Neurology 55, 370–376.
[51]	Schmitt FA, Mendiondo MS, Kryscio RJ, Ashford JW (2006) Lyhyt Alzheimerin näyttö kliiniseen käytäntöön. Res Pract Alzheimers Dis 11, 1-4.

Avainsanat: Alzheimerin tauti, jatkuva suoritustehtävä, dementia, vanhukset, muisti, lievä kognitiivinen vajaatoiminta, seulonta