MemTrax Test သည် အပျော့စား သိမြင်မှု ချို့ယွင်းမှု၏ မွန်ထရီရယ် အသိဉာဏ်ဆိုင်ရာ အကဲဖြတ်မှု ခန့်မှန်းချက်နှင့် နှိုင်းယှဉ်
ဆောင်းပါးအမျိုးအစား- MemTrax သုတေသန ဆောင်းပါး
ရေးသားသူများ: van der Hoek, Marjanne D. | Nieuwenhuizen, Arie | Keijer, Jaap | Ashford၊ J. Wesson
Affiliate: စတန်းဖို့ဒ်တက္ကသိုလ်, Stanford, CA, USA - Department of Psychiatry and Behavioral Sciences, Applied Research Center Food and Dairy, Van Hall Larenstein University of Applied Sciences, Leeuwarden, နယ်သာလန် | လူသားနှင့် တိရစ္ဆာန်ဇီဝကမ္မဗေဒ၊ Wageningen တက္ကသိုလ်၊ Wageningen၊ နယ်သာလန် | စစ်ပွဲဆိုင်ရာ နာမကျန်းမှုနှင့် ဒဏ်ရာလေ့လာမှုစင်တာ၊ VA Palo Alto HCS၊ Palo Alto၊ CA၊ USA
DOI: 10.3233/JAD-181003
Journal: ဂျာနယ် အယ်လ်ဇိုင်းမားရောဂါ, vol ။ 67 မရှိ။ 3, စစ။ 1045-1054, 2019
ြဒပ်မဲ့သော
မှတ်ဥာဏ်ချို့ယွင်းခြင်းသည် သက်ကြီးရွယ်အိုများတွင် မစွမ်းဆောင်နိုင်မှု၏ အဓိကအကြောင်းရင်းတစ်ခုဖြစ်သည်။ ဘယ်တော့လဲ အပျော့စား မှတ်ဥာဏ်ချို့ယွင်းခြင်း။ (MCI) သည် သက်ကြီးရွယ်အိုများတွင် ဖြစ်ပွားတတ်ပြီး ၎င်းသည် မကြာခဏ ဦးနှောက်ချို့ယွင်းခြင်းသို့ အလားအလာရှိသော အခြေအနေတစ်ခုဖြစ်သည်။ Montreal Cognitive Assessment (MoCA) သည် MCI ကို စစ်ဆေးရန်အတွက် အသုံးများသောကိရိယာတစ်ခုဖြစ်သည်။ သို့သော်၊ ဤစစ်ဆေးမှုသည် မျက်နှာချင်းဆိုင် စီမံခန့်ခွဲရန် လိုအပ်ပြီး တိကျသောအငြင်းပွားဖွယ်ရာရမှတ်ကို ပေးဆောင်ရန် အဆင့်သတ်မှတ်သူမှ တုံ့ပြန်မှုများကို ပေါင်းစပ်ထည့်သွင်းထားသည့် မေးခွန်းအမျိုးအစားများစွာဖြင့် ဖွဲ့စည်းထားသည်။ ဤလေ့လာမှုသည် ကွန်ပြူတာတစ်လုံး၏ စွမ်းဆောင်ရည်ကို အကဲဖြတ်ရန် ရည်ရွယ်ထားသည်။ မှတ်ဉာဏ်စမ်းသပ်မှု (MemTrax) သည် MoCA နှင့်စပ်လျဉ်း၍ စဉ်ဆက်မပြတ် အသိအမှတ်ပြုခြင်းလုပ်ငန်းကို လိုက်လျောညီထွေဖြစ်စေသော၊ အစီအမံများမှ ရလဒ်နှစ်ခုကို ထုတ်ပေးပါသည်။ MemTrax စမ်းသပ်မှု- MemTraxspeed နှင့် MemTrax မှန်ကန်မှု။ ဘာသာရပ်များကို MoCA နှင့် စီမံခန့်ခွဲခဲ့ပါသည်။ MemTrax စမ်းသပ်မှု. MoCA ၏ရလဒ်များအပေါ်အခြေခံ၍ ဘာသာရပ်များကို သိမြင်မှုအခြေအနေအုပ်စုနှစ်စုခွဲထားသည်- ပုံမှန်သိမြင်မှု (n = 45) နှင့် MCI (n = ၃၇)။ ပျမ်းမျှ MemTrax ရမှတ်များသည် MCI တွင် ပုံမှန်သိမြင်မှုအုပ်စုထက် သိသိသာသာနိမ့်ကျသည်။ MemTrax ရလဒ် variable များအားလုံးသည် MoCA နှင့် အပြုသဘော ဆက်စပ်နေပါသည်။ ပျမ်းမျှတွက်ချက်နည်းနှစ်ခု MemTrax စမ်းသပ်မှု၏ ဖြတ်တောက်မှုတန်ဖိုးများကို ခန့်မှန်းရန် MemTrax ရမှတ်နှင့် မျဉ်းကြောင်းပြန်ဆုတ်ခြင်းကို အသုံးပြုခဲ့သည်။ MCI ကိုထောက်လှမ်းရန်။ ဤနည်းလမ်းများသည် MemTrax ရလဒ်အတွက်ဖြစ်ကြောင်းပြသခဲ့သည်။မြန်နှုန်း အကွာအဝေး 0.87 – 91 s အောက်တွင် ရမှတ်တစ်ခု-1 MCI နှင့် MemTrax ရလဒ်အတွက် ရည်ညွှန်းသည်။မှန်ကန်သော အကွာအဝေး 85 မှ 90% အောက်ရမှတ်သည် MCI အတွက် ညွှန်ပြချက်တစ်ခုဖြစ်သည်။
နိဒါန်း
ဥရောပ၊ မြောက်အမေရိကနှင့် မြောက်အာရှတို့က ဦးဆောင်သည့် ကမ္ဘာတစ်ဝှမ်းရှိ လူဦးရေသည် အိုမင်းရင့်ရော်လာသဖြင့် သက်ကြီးရွယ်အို အချိုးအစား လျင်မြန်စွာ တိုးလာပါသည်။ အသက်ကြီးလာသည်နှင့်အမျှ မှတ်ဥာဏ်ချို့ယွင်းခြင်း၊ မှတ်ဉာဏ်ချို့ယွင်းခြင်း နှင့် မှတ်ဥာဏ်ချို့ယွင်းခြင်းဆိုင်ရာ ဖွံ့ဖြိုးတိုးတက်မှု အားကောင်းလာခြင်း၊ အယ်လ်ဇိုင်းမားရောဂါ (အေဒီ) သည် ဤအခြေအနေများနှင့်အတူ လူပေါင်းများစွာကို တိုးများလာစေသည်။ အစောပိုင်းရှာဖွေတွေ့ရှိမှု နှင့် မှတ်ဥာဏ်ချို့ယွင်းမှုများကို ဖော်ထုတ်ခြင်းသည် လူနာပြုစုစောင့်ရှောက်မှုကို မြှင့်တင်နိုင်ပြီး ကျန်းမာရေးစောင့်ရှောက်မှုကုန်ကျစရိတ်များကို လျှော့ချနိုင်ပြီး ပိုမိုပြင်းထန်သော လက္ခဏာများစတင်ခြင်းကို နှောင့်နှေးအောင် ကူညီပေးနိုင်ပြီး၊ ထို့ကြောင့် dementia နှင့် AD ၏ လျင်မြန်စွာဖွံ့ဖြိုးနေသော ဝန်ထုပ်ဝန်ပိုးကို လျော့ပါးသက်သာစေနိုင်မည်ဖြစ်သည်။ ထို့ကြောင့် သက်ကြီးရွယ်အိုများတွင် သိမြင်မှုဆိုင်ရာ လုပ်ဆောင်ချက်များကို စောင့်ကြည့်ရန် ပိုမိုကောင်းမွန်သော ကိရိယာများ လိုအပ်ပါသည်။
သက်ကြီးရွယ်အိုများ၏ သိမြင်နိုင်စွမ်းနှင့် အပြုအမူဆိုင်ရာ လုပ်ဆောင်ချက်များကို ဆေးခန်းအကဲဖြတ်ရန်အတွက် ဆေးခန်းများနှင့် သုတေသီများသည် ရာနှင့်ချီသော စစ်ဆေးမှုနှင့် အတိုချုံး အကဲဖြတ်ခြင်းကိရိယာများကို တီထွင်ခဲ့ကြပြီး စမ်းသပ်မှုများစွာသည် အများအားဖြင့် အသုံးပြုလာကြသည်။ ပညာရပ်ဆိုင်ရာ ဆက်တင်များတွင် အပျော့စား သိမြင်မှုဆိုင်ရာ ချို့ယွင်းချက် (MCI) ကို လက်တွေ့အကဲဖြတ်ရန်အတွက် အသုံးအများဆုံး ကိရိယာများထဲမှ တစ်ခုမှာ၊ မွန်ထရီရယ် သိမြင်မှု အကဲဖြတ်ခြင်း။ (MoCA)။
MoCA သည် သိမြင်မှုဆိုင်ရာ လုပ်ဆောင်ချက်များ ခုနစ်ခု- အမှုဆောင်၊ အမည်ပေးခြင်း၊ အာရုံစူးစိုက်မှု၊ ဘာသာစကား၊ စိတ္တဇ၊ မှတ်ဉာဏ်/နှောင့်နှေးခြင်းတို့ကို ပြန်လည်သိမ်းဆည်းခြင်းနှင့် တိမ်းညွှတ်မှုတို့ကို အကဲဖြတ်ပါသည်။ MoCA ၏ မှတ်ဉာဏ်/နှောင့်နှေးသော ဒိုမိန်းများကို ပြန်လည်သိမ်းဆည်းခြင်းနှင့် တိမ်းညွှတ်မှုတို့ကို ယခင်က အယ်လ်ဇိုင်းမားအမျိုးအစား သိမြင်မှုဆိုင်ရာ ချို့ယွင်းမှုများအတွက် အထိခိုက်မခံဆုံးအရာများအဖြစ် ယခင်က သတ်မှတ်ခဲ့ပြီး၊ မှတ်ဉာဏ်ကုဒ်သွင်းခြင်းသည် AD အာရုံကြောရောဂါဗေဒဖြစ်စဉ်မှ တိုက်ခိုက်ခံရသည့် အခြေခံအချက်ဖြစ်ကြောင်း အယူအဆကို ဖြစ်ပေါ်စေသည်။ ထို့ကြောင့်၊ AD နှင့်ဆက်စပ်သော သိမြင်မှုဆိုင်ရာချို့ယွင်းချက်များကို အကဲဖြတ်ရန်အတွက် ဆေးခန်းသုံးကိရိယာတစ်ခုတွင် မှတ်ဉာဏ်သည် ထည့်သွင်းစဉ်းစားရန် အဓိကအချက်တစ်ချက်ဖြစ်ပြီး Aphasia၊ apraxia၊ agnosia နှင့် အမှုဆောင်ကမောက်ကမဖြစ်မှုသည် AD အားဖြင့် မကြာခဏဆိုသလို ပြတ်တောက်သော်လည်း ဆက်စပ်မှုရှိနိုင်သည် neocortical ဒေသများရှိ neuroplastic memory processing ယန္တရားများ၏ ကမောက်ကမဖြစ်မှုဆီသို့။
MoCA ကို MCI အကဲဖြတ်ရန်အတွက် တွင်ကျယ်စွာအသုံးပြုသော်လည်း MoCA ၏စီမံအုပ်ချုပ်မှုသည် အချိန်ကုန်ပြီး ဆေးခန်းနှင့်တွေ့ဆုံရန် လိုအပ်ပြီး စီမံအုပ်ချုပ်မှုတစ်ခုစီအတွက် ကုန်ကျစရိတ်များစွာလိုအပ်ပါသည်။ အကဲဖြတ်မှုတစ်ခုတွင်၊ စာမေးပွဲတစ်ခုအား စီမံခန့်ခွဲရန် လိုအပ်သည့်အချိန်သည် အကဲဖြတ်မှု၏တိကျမှုကို တိုးမြင့်စေသည်၊ ထို့ကြောင့် ပိုမိုထိရောက်သောစစ်ဆေးမှုများပြုလုပ်ရန်အတွက် အနာဂတ်တိုးတက်မှုများသည် ဤဆက်ဆံရေးကို ထည့်သွင်းစဉ်းစားရမည်ဖြစ်သည်။
ဤနယ်ပယ်တွင် အရေးကြီးသောပြဿနာမှာ အချိန်ကြာလာသည်နှင့်အမျှ သိမြင်မှုဆိုင်ရာ အကဲဖြတ်မှုအတွက် လိုအပ်ချက်ဖြစ်သည်။ အချိန်နဲ့အမျှ အပြောင်းအလဲတွေကို အကဲဖြတ်တာတွေ၊ ဖော်ထုတ်ရန် အရေးကြီးသည်။ ချွတ်ယွင်းမှု၏တိုးတက်မှု၊ ကုသမှု၏ထိရောက်မှုနှင့် ကုထုံးသုတေသနလုပ်ဆောင်မှုများ၏ အကဲဖြတ်ခြင်းတို့ကို ဆုံးဖြတ်ခြင်း။ ရရှိနိုင်သော ကိရိယာအများစုသည် တိကျမှန်ကန်မှုအဆင့်အတွက် သင့်လျော်ခြင်းမရှိသလို မကြာခဏ အခြေခံအားဖြင့် အလွယ်တကူ စီမံခန့်ခွဲ၍မရပါ။ သိမြင်မှုအကဲဖြတ်ခြင်းအား ပိုမိုကောင်းမွန်စေရန်အတွက် ဖြေရှင်းချက်မှာ ကွန်ပြူတာဖန်တီးခြင်းဖြစ်သည်ဟု အကြံပြုထားသော်လည်း ယင်းကြိုးပမ်းမှုအများစုသည် အသုံးများသော အာရုံကြောဆိုင်ရာစမ်းသပ်မှုများကို ကွန်ပျူတာပြုလုပ်ခြင်းထက် အနည်းငယ်သာပို၍ စောစီးစွာနားလည်ရန် လိုအပ်သော သိမြင်မှုအကဲဖြတ်ခြင်း၏ အရေးကြီးသောပြဿနာများကို အတိအကျကိုင်တွယ်ဖြေရှင်းရန် တီထွင်ထားခြင်းမရှိသေးပါ။ စိတ်ဖောက်ပြန် နှင့်၎င်း၏တိုးတက်မှု။ ထို့ကြောင့်၊ သိမြင်မှုအကဲဖြတ်ခြင်းကိရိယာအသစ်များကို ကွန်ပျူတာဖြင့်ပြုလုပ်သင့်ပြီး တိကျမှု၊ တိကျမှုနှင့် ယုံကြည်စိတ်ချရမှုအဆင့်များကို အဆင့်ဆင့်မြှင့်တင်ပေးနိုင်သည့် တိကျမှု၊ တိကျမှုနှင့် ယုံကြည်စိတ်ချရမှုအဆင့်များကို ပံ့ပိုးပေးသည့် ဘာသာစကား သို့မဟုတ် ယဉ်ကျေးမှုအရ ကန့်သတ်မထားသော နှိုင်းယှဉ်နိုင်သောစမ်းသပ်မှုများ၏ အကန့်အသတ်မရှိသောအရင်းအမြစ်ကို အခြေခံထားသင့်သည်။ ထို့အပြင်၊ ထိုသို့သောစမ်းသပ်မှုများသည် ပျော်စရာကောင်းပြီး ဆွဲဆောင်မှုရှိရမည်၊ ထို့ကြောင့် ထပ်ခါတလဲလဲစမ်းသပ်ခြင်းသည် ပြင်းထန်သောအတွေ့အကြုံထက် အပြုသဘောဆောင်သည်ဟု ယူဆမည်ဖြစ်သည်။ အထူးသဖြင့် အွန်လိုင်းစမ်းသပ်ခြင်းတွင် ဒေတာများကို လျင်မြန်စွာစုဆောင်းခြင်းနှင့် ခွဲခြမ်းစိတ်ဖြာခြင်းတို့ကို ပံ့ပိုးပေးကာ ပါဝင်သူတစ်ဦးချင်း၊ ဆေးခန်းများနှင့် သုတေသီများအား ချက်ချင်းတုံ့ပြန်ချက်ပေးနေစဉ်တွင် ဤလိုအပ်ချက်ကို ဖြည့်ဆည်းပေးနိုင်သည့် အလားအလာကို ပေးဆောင်ပါသည်။
ယခုလေ့လာမှုသည် စဉ်ဆက်မပြတ် အသိအမှတ်ပြုခြင်းလုပ်ငန်း (CRT) ပါရာဒိုင်း၏ အွန်လိုင်းတွင် လိုက်လျောညီထွေဖြစ်စေမည့် အသုံးဝင်မှုကို အကဲဖြတ်ရန် ဒီဇိုင်းထုတ်ထားခြင်းဖြစ်ပြီး မှတ်ဉာဏ်ဆိုင်ရာလုပ်ဆောင်မှုကို အကဲဖြတ်ခြင်းမပြုသော ရပ်ရွာနေထိုင်သူတစ်ဦးချင်းစီတွင် ဉာဏ်ရည်ဉာဏ်သွေးရှိခြင်းဖြစ်သည်ဟု ခွဲခြားသတ်မှတ်ထားသည်။ CRT ပါရာဒိုင်းကို ပညာရပ်ဆိုင်ရာများတွင် တွင်ကျယ်စွာအသုံးပြုသည်။ မှတ်ဉာဏ်လေ့လာမှုများ ယန္တရားများ။ CRT ချဉ်းကပ်မှုအား စိတ်ဝင်စားသူ တစ်ဦးချင်းစီ၏ အချက်အလက်များကို ပံ့ပိုးပေးသည့် ပရိသတ်သရုပ်ပြကိရိယာအဖြစ် ပထမဆုံး အကောင်အထည်ဖော်ခဲ့သည်။ မှတ်ဥာဏ်ပြproblemsနာများ. နောက်ပိုင်းတွင်၊ ဤစမ်းသပ်မှုကို ပြင်သစ်ကုမ္ပဏီ (HAPPYneuron, Inc.) မှ အွန်လိုင်းတွင် အကောင်အထည်ဖော်ခဲ့သည်။ အမေရိကန်အခြေစိုက် ကုမ္ပဏီတစ်ခုဖြစ်သည့် MemTrax, LLC (http://www.memtrax.com); ဦးနှောက်အားဖြင့် ကျန်းမာရေး ဒေါက်တာ Michael Weiner၊ UCSF နှင့် သူ၏အဖွဲ့သည် မှတ်ဥာဏ်ချို့ယွင်းမှုဆိုင်ရာ လေ့လာမှုများအတွက် လူသစ်စုဆောင်းခြင်းကို ပံ့ပိုးရန် မှတ်ပုံတင်ခြင်းလုပ်ငန်း၊ တရုတ်ကုမ္ပဏီ SJN Biomed, LTD မှ)။ ဤစမ်းသပ်မှုသည် 2018 ခုနှစ် ဇွန်လအထိ၊ အသုံးပြုသူ 200,000 ကျော်ထံမှ ဒေတာကို ရယူထားပြီး နိုင်ငံအများအပြားတွင် စမ်းသပ်မှုများ ပြုလုပ်နေပါသည်။
လက်ရှိလေ့လာမှုတွင်၊ CRT အခြေပြုစမ်းသပ်မှု MemTrax (MTX) ကို နယ်သာလန်မြောက်ပိုင်းရှိ သီးခြားနေထိုင်သော သက်ကြီးရွယ်အိုများတွင် MoCA နှင့်တွဲ၍ စီမံဆောင်ရွက်ခဲ့ပါသည်။ ဤလေ့လာမှု၏ရည်ရွယ်ချက်မှာ CRT နှင့် MoCA အကောင်အထည်ဖော်မှုဆိုင်ရာ စွမ်းဆောင်ရည်အကြား ဆက်နွယ်မှုကို ဆုံးဖြတ်ရန်ဖြစ်သည်။ အဆိုပါမေးခွန်းမှာ MTX သည် MoCA မှ အကဲဖြတ်ထားသော သိမြင်မှုဆိုင်ရာလုပ်ဆောင်ချက်များကို ခန့်မှန်းရာတွင် အသုံးဝင်နိုင်ခြေရှိမရှိ၊ ဖြစ်နိုင်ချေရှိသော လက်တွေ့အသုံးချနိုင်မှုကို ညွှန်ပြနိုင်သည့် မေးခွန်းဖြစ်သည်။
ကုန်ကြမ်းနှင့်နည်းစနစ်များ
လေ့လာမှုလူဦးရေ
2015 ခုနှစ် အောက်တိုဘာလမှ 2016 ခုနှစ် မေလအတွင်း နယ်သာလန်မြောက်ပိုင်းရှိ ရပ်ရွာနေထိုင်သည့် သက်ကြီးရွယ်အိုများကြားတွင် အပိုင်းပိုင်းခွဲလေ့လာမှုတစ်ခုကို ပြုလုပ်ခဲ့ပါသည်။ ဘာသာရပ်များ (≥75 နှစ်) ကို လက်ကမ်းစာစောင်များ ဖြန့်ဝေခြင်းနှင့် သက်ကြီးရွယ်အိုများအတွက် စီစဉ်သော အဖွဲ့အစည်းအဝေးများအတွင်း စုဆောင်းခဲ့သည်။ ဖြစ်နိုင်ချေရှိသောဘာသာရပ်များကို ဤလေ့လာမှုတွင် စာရင်းမသွင်းမီတွင် ပါဝင်ခြင်းနှင့် ဖယ်ထုတ်ခြင်းဆိုင်ရာ စံနှုန်းများကို စစ်ဆေးရန် အိမ်တွင် လာရောက်ကြည့်ရှုခဲ့သည်။ (မိမိကိုယ်မိမိ အစီရင်ခံသည်) dementia ဝေဒနာခံစားခဲ့ရသော သို့မဟုတ် ပြင်းထန်စွာ အမြင်အာရုံချို့ယွင်းမှု သို့မဟုတ် အကြားအာရုံချို့ယွင်းမှုရှိသော ဘာသာရပ်များသည် သိမြင်မှုစစ်ဆေးမှုများ၏ စီမံအုပ်ချုပ်မှုကို လွှမ်းမိုးနိုင်စေမည့် ဤလေ့လာမှုတွင် ပါဝင်ခွင့်မရှိပါ။ ထို့အပြင်၊ ဒတ်ခ်ျဘာသာစကားကို နားလည်နိုင်စေရန်နှင့် စာမတတ်ရန် ဘာသာရပ်များ လိုအပ်ပါသည်။ 1975 ခုနှစ် Helsinki ၏ကြေငြာချက်အရလေ့လာမှုကိုလုပ်ဆောင်ခဲ့ပြီးပါဝင်သူအားလုံးလက်မှတ်ရေးထိုးခဲ့သည်။ အကြောင်းကြားခွင့်ပြုချက် လေ့လာမှု၏ အသေးစိတ်ရှင်းလင်းချက်ကို လက်ခံရရှိပြီးနောက် ပုံစံ။
လေ့လာမှုလုပ်ထုံးလုပ်နည်း
လေ့လာမှုတွင် စာရင်းသွင်းပြီးနောက်၊ အသက်အရွယ်နှင့် ပညာရေးနှစ်များ (မူလတန်းကျောင်းမှစတင်)၊ ဆေးဘက်ဆိုင်ရာသမိုင်းနှင့် အရက်သောက်ခြင်းကဲ့သို့သော လူဦးရေစာရင်းဆိုင်ရာအချက်များဆိုင်ရာ မေးခွန်းများပါ၀င်သည့် အထွေထွေမေးခွန်းလွှာကို စီမံဆောင်ရွက်ခဲ့ပါသည်။ မေးခွန်းလွှာပြီးဆုံးပြီးနောက်၊ MoCA နှင့် MTX စမ်းသပ်မှုများကို ကျပန်းအစီအစဉ်ဖြင့် စီမံဆောင်ရွက်ခဲ့ပါသည်။
MemTrax - သုတေသနဆေးဘက်ဆိုင်ရာစင်တာ
MemTrax, LLC (Redwood City, CA, USA) ၏ စေတနာဖြင့် MTX စမ်းသပ်မှု၏ အခမဲ့ဗားရှင်း အပြည့်အစုံကို ပံ့ပိုးပေးခဲ့ပါသည်။ ဤစမ်းသပ်မှုတွင် ပုံ 50 တွဲကို တစ်စက္ကန့်လျှင် သုံးစက္ကန့်အထိ ပြသသည်။ ထပ်ခါတလဲလဲပုံအတိအကျပေါ်လာသောအခါ (25/50)၊ အကြောင်းအရာများကို spacebar (အနီရောင်တိပ်ဖြင့်ညွှန်ပြထားသည့်) ကိုနှိပ်ခြင်းဖြင့် ထပ်ခါတလဲလဲပုံဆီသို့ အမြန်ဆုံးတုံ့ပြန်ရန် ညွှန်ကြားထားသည်။ ဘာသာရပ်သည် ပုံတစ်ပုံကို တုံ့ပြန်သောအခါ၊ နောက်ပုံသည် ချက်ချင်းပြသည်။ စမ်းသပ်မှုအပြီးတွင်၊ ပရိုဂရမ်သည် မှန်ကန်သောတုံ့ပြန်မှုရာခိုင်နှုန်းကို ပြသသည် (MTXမှန်ကန်သော) နှင့် ထပ်ခါတလဲလဲပုံများအတွက် စက္ကန့်ပိုင်းအတွင်း ပျမ်းမျှတုံ့ပြန်မှုအချိန်၊၊ ထပ်ခါတလဲလဲပုံများကိုမှတ်မိသည့်အခါ spacebar ကိုနှိပ်ရန်လိုအပ်သည့်အချိန်ကိုထင်ဟပ်စေသည်။ ဤအတိုင်းအတာနှစ်ခု၏အတိုင်းအတာနှင့်ကိုက်ညီရန်၊ တုံ့ပြန်မှုအချိန်ကို တုံ့ပြန်မှုအမြန်နှုန်း (MTX) အဖြစ်သို့ ပြောင်းလဲခဲ့သည်။မြန်နှုန်း1 ကို တုံ့ပြန်မှုအချိန် (ဆိုလိုသည်မှာ 1/MTXတုံ့ပြန်မှုအချိန်) MemTrax ရမှတ်အားလုံး၏ စမ်းသပ်မှတ်တမ်းနှင့် ၎င်းတို့၏ တရားဝင်မှုကို စမ်းသပ်အကောင့်တွင် အလိုအလျောက် အွန်လိုင်းတွင် သိမ်းဆည်းထားသည်။ လုပ်ဆောင်ခဲ့သော စစ်ဆေးမှုအားလုံး၏ တရားဝင်မှုကို စစ်ဆေးပြီး မှန်ကန်သော အပြုသဘောဆောင်သည့် တုံ့ပြန်မှု 5 ခု သို့မဟုတ် အနည်းငယ်သာ လိုအပ်ပြီး၊ မှန်ကန်သော အသိအမှတ်ပြုမှု 10 ခု သို့မဟုတ် ထို့ထက်ပို၍ ပျမ်းမျှ အသိအမှတ်ပြုချိန် 0.4 နှင့် 2 စက္ကန့်ကြား လိုအပ်ပြီး မှန်ကန်သော စမ်းသပ်မှုများသာ ခွဲခြမ်းစိတ်ဖြာမှုတွင် ထည့်သွင်းထားသည်။
အမှန်တကယ် MTX စာမေးပွဲကို စီမံခန့်ခွဲခြင်းမပြုမီ၊ စာမေးပွဲကို အသေးစိတ်ရှင်းပြခဲ့ပြီး ဘာသာရပ်များကို လက်တွေ့စမ်းသပ်မှုတစ်ခု ပြုလုပ်ပေးခဲ့ပါသည်။ ၎င်းတွင် ပါဝင်သူအား ဆိုက်၏ အပြင်အဆင်နှင့် စမ်းသပ်မှုမစတင်မီ လိုအပ်သော ကနဦးလုပ်ဆောင်ချက်များကို လေ့ကျက်လာစေရန်အတွက် ၎င်းတွင် စမ်းသပ်မှုကိုယ်တိုင်သာမက လမ်းညွှန်ချက်နှင့် ရေတွက်သည့်စာမျက်နှာများပါ ပါဝင်ပါသည်။ လက်တွေ့စမ်းသပ်မှုအတွင်း ပုံများကို ထပ်ခါတလဲလဲမဖြစ်စေရန်၊ အလေ့အကျင့်စမ်းသပ်မှုအတွက် MemTrax ဒေတာဘေ့စ်တွင် မပါဝင်သောပုံများကို အသုံးပြုခဲ့သည်။
မွန်ထရီရယ် သိမြင်မှု အကဲဖြတ်ခြင်း။ tool တစ်ခု
ဤသုတေသနအတွက် MoCA ကိုအသုံးပြုရန် MoCA Institute & Clinique (Quebec၊ Canada) မှ ခွင့်ပြုချက်ရယူခဲ့ပါသည်။ Dutch MoCA ကို ဘာသာရပ်များအတွက် ကျပန်းစီမံခန့်ခွဲပေးသော ဗားရှင်းသုံးမျိုးဖြင့် ရနိုင်ပါသည်။ MoCA ရမှတ်သည် သီးခြားသိမြင်မှုဒိုမိန်းတစ်ခုစီတွင် အကဲဖြတ်ထားသော စွမ်းဆောင်ရည်၏ ပေါင်းစုဖြစ်ပြီး အများဆုံးရမှတ် 30 ရှိသည်။ တရားဝင်အကြံပြုချက်အရ သင်တန်းသားတွင် ပညာအရည်အချင်း ≤ 12 နှစ် (အမှတ် 30 ရှိလျှင်) အပိုအမှတ်တစ်ခု ထပ်ထည့်ပါသည်။ စစ်ဆေးမှုများကို စီမံအုပ်ချုပ်စဉ်အတွင်း တရားဝင် စစ်ဆေးမှု ညွှန်ကြားချက်များကို လမ်းညွှန်ချက်အဖြစ် အသုံးပြုခဲ့သည်။ စစ်ဆေးမှုများကို လေ့ကျင့်သင်ကြားထားသည့် သုတေသီ သုံးဦးက စီမံဆောင်ရွက်ပြီး စမ်းသပ်မှုတစ်ခု ပြုလုပ်ရန် ၁၀ မိနစ်မှ ၁၅ မိနစ်ခန့် ကြာသည်။
MemTrax ဒေတာခွဲခြမ်းစိတ်ဖြာခြင်း။
ပညာရေးအတွက် ပြင်ဆင်ထားသည့် MoCA ၏ ရလဒ်များအပေါ် အခြေခံ၍ ဘာသာရပ်များကို သိမြင်မှုအခြေအနေ အုပ်စုနှစ်စုဖြင့် ခွဲခြားထားသည်- ပုံမှန်သိမြင်မှု (NC) နှင့် အပျော့စား သိမြင်မှုဆိုင်ရာ ချို့ယွင်းချက် (MCI)။ MoCA ရမှတ် 23 ကို MCI အတွက် ဖြတ်တောက်မှုအဖြစ် အသုံးပြုခဲ့သည် (22 နှင့် အောက်ရမှတ်များကို MCI အဖြစ် သတ်မှတ်သည်)၊ ဤရမှတ်သည် ကန့်သတ်ဘောင်အကွာအဝေးတစ်လျှောက် အကောင်းဆုံး 'အကောင်းဆုံးရောဂါရှာဖွေတိကျမှုဖြစ်သည်' ကို ကနဦးအကြံပြုထားသည့်ရမှတ်များနှင့် နှိုင်းယှဉ်ပြသထားသည်ကို ပြသထားသောကြောင့်၊ 26 သို့မဟုတ် 24 သို့မဟုတ် 25 ၏တန်ဖိုးများ။ ခွဲခြမ်းစိတ်ဖြာမှုအားလုံးအတွက်၊ ဤရမှတ်ကို ဆေးခန်းဆက်တင်များတွင် အသုံးပြုသောကြောင့် ပြုပြင်ထားသော MoCA ရမှတ်ကို အသုံးပြုထားသည်။
MTX test သည် MTX ဟုခေါ်သော ရလဒ်နှစ်ခုကိုပေးသည်။တုံ့ပြန်မှုအချိန်MTX သို့ ပြောင်းလဲခဲ့သည်။မြန်နှုန်း 1/MTX ဖြင့်တုံ့ပြန်မှုအချိန်နှင့် MTXမှန်ကန်သော.
စာရင်းအင်းခွဲခြမ်းစိတ်ဖြာမှုများကို R (ဗားရှင်း 1.0.143၊ Rstudio Team၊ 2016) ကို အသုံးပြု၍ လုပ်ဆောင်ခဲ့သည်။ Shapiro-Wilk စမ်းသပ်မှုဖြင့် ကိန်းရှင်အားလုံးအတွက် ပုံမှန်အတိုင်း စစ်ဆေးခဲ့သည်။ လေ့လာမှုလူဦးရေတစ်ခုလုံးနှင့် NC နှင့် MCI အုပ်စုများ၏ ကိန်းရှင်များကို ပျမ်းမျှ ± စံသွေဖည်မှု (SD)၊ အလယ်အလတ်နှင့် ကွာတားအကွာအဝေး (IQR) သို့မဟုတ် အရေအတွက်နှင့် ရာခိုင်နှုန်းအဖြစ် အစီရင်ခံခဲ့သည်။ လွတ်လပ်သောနမူနာ T-tests နှင့် Wilcoxon Sum Rank စမ်းသပ်မှုများသည် စဉ်ဆက်မပြတ်ကိန်းရှင်များအတွက် Chi-squared စမ်းသပ်မှုများကို NC နှင့် MCI အုပ်စု၏ ဝိသေသလက္ခဏာများကို နှိုင်းယှဉ်ရန် လုပ်ဆောင်ခဲ့ပါသည်။ MoCA ဗားရှင်းသုံးမျိုးနှင့် စီမံခန့်ခွဲသူသုံးဦးတို့သည် MoCA ရလဒ်များအပေါ် သက်ရောက်မှုရှိမရှိ ဆုံးဖြတ်ရန် ပါရာမက်ထရစ်မဟုတ်သော Kruskal-Wallis စမ်းသပ်မှုကို အသုံးပြုခဲ့သည်။ ထို့အပြင်၊ MoCA နှင့် MTX ၏ စီမံအုပ်ချုပ်မှုအစီအစဥ်သည် စမ်းသပ်မှုရလဒ်များအပေါ် လွှမ်းမိုးမှုရှိမရှိ ဆုံးဖြတ်ရန် သီးခြားလွတ်လပ်သော T-test သို့မဟုတ် Wilcoxon Sum Rank စမ်းသပ်မှုကို လုပ်ဆောင်ခဲ့သည် (ဥပမာ၊ MoCA ရမှတ်၊ MTXမှန်ကန်သောနှင့် MTXမြန်နှုန်း) MoCA ကို ပထမရရှိသော ဘာသာရပ်များနှင့် ထို့နောက် MemTrax သို့မဟုတ် MTX ပထမရရှိသူ နှင့် ထို့နောက် MoCA ကို ပထမရရှိသော ဘာသာရပ်များအတွက် ပျမ်းမျှရမှတ်များ ကွဲပြားမှုရှိမရှိ ဆုံးဖြတ်ခြင်းဖြင့် ၎င်းကို လုပ်ဆောင်သည်။
Pearson ဆက်စပ်မှု စမ်းသပ်မှုများကို MTX နှင့် MoCA အကြားနှင့် MemTrax နှစ်ခုစလုံးကြားရှိဆက်စပ်မှုကို အကဲဖြတ်ရန် တွက်ချက်ထားသည်။ စမ်းသပ်မှုရလဒ်များ ဥပမာ၊ MTXspeed နှင့် MTX မှန်ကန်မှု။ ယခင်လုပ်ဆောင်ခဲ့သည့် နမူနာအရွယ်အစား တွက်ချက်မှုတစ်ခုတွင် အမြီးတစ်စင်း Pearson ဆက်စပ်မှုစမ်းသပ်မှုတစ်ခုအတွက် (ပါဝါ = 80 % ၊ α = 0.05)၊ အလယ်အလတ်အကျိုးသက်ရောက်မှုအရွယ်အစား (r = 0.3) ၏ယူဆချက်ဖြင့်၊ အနည်းဆုံးနမူနာအရွယ်အစား n = 67 လိုအပ်သည်။ MTX စမ်းသပ်မှုရလဒ်များနှင့် R တွင် psych package ကိုသုံး၍ သီးခြား MoCA ဒိုမိန်းများကြားဆက်စပ်မှုကို အကဲဖြတ်ရန် Polyserial ဆက်စပ်စစ်ဆေးမှုများကို တွက်ချက်ထားသည်။
ပေးထားသော MemTrax ရမှတ်များအတွက် ညီမျှသော MoCA ရမှတ်ကို ဖြစ်နိုင်ချေ MoCA ရမှတ်တစ်ခုစီအတွက် ပျမ်းမျှ MemTrax ရမှတ်ကို တွက်ချက်ပြီး ဤအတိုင်းအတာများနှင့်ပတ်သက်သော ညီမျှခြင်းများကို ခန့်မှန်းရန်အတွက် linear regression လုပ်ဆောင်ခဲ့ပါသည်။ ထို့အပြင်၊ MoCA တိုင်းတာသော MCI အတွက် MemTrax စမ်းသပ်မှု၏ ဖြတ်တောက်မှုတန်ဖိုးများနှင့် သက်ဆိုင်သော အာရုံခံနိုင်စွမ်းနှင့် တိကျမှုတန်ဖိုးများကို ဆုံးဖြတ်ရန်အတွက် လက်ခံသူ အော်ပရေတာ လက္ခဏာရပ် (ROC) ခွဲခြမ်းစိတ်ဖြာချက်ကို R. Non-parametric stratified bootstrapping (n) = 2000) ကို မျဉ်းကွေးများ (AUCs) အောက်ရှိ ဧရိယာနှင့် သက်ဆိုင်သော ယုံကြည်မှုကြားကာလများကို နှိုင်းယှဉ်ရန် အသုံးပြုခဲ့သည်။ အကောင်းမွန်ဆုံး ဖြတ်တောက်မှုရမှတ်ကို Youden နည်းလမ်းဖြင့် တွက်ချက်ပြီး မှားယွင်းသော အပြုသဘောများကို နည်းပါးစေပြီး စစ်မှန်သော အပြုသဘောများကို အမြင့်ဆုံးဖြစ်စေသည်။
ကိန်းဂဏန်းဆိုင်ရာ ခွဲခြမ်းစိတ်ဖြာမှုအားလုံးအတွက်၊ တစ်ဖက်သတ် p-တန်ဖိုး <0.05 ကို ကိန်းဂဏန်းအဓိပ်ပာယ်အတွက် တံခါးပေါက်အဖြစ် သတ်မှတ်ခံရသည်၊ ထိုတစ်ခုဖြစ်သည့် MTX နှင့် MoCA အကြားဆက်စပ်မှုကို အကဲဖြတ်ရန် ခွဲခြမ်းစိတ်ဖြာမှုမှလွဲ၍ ကျန်တစ်ခု- sided p-value ၏ <0.05 ကို သိသာထင်ရှားစွာ သတ်မှတ်သည်။
MemTrax ရလဒ်များ
ဘာသာရပ်များ
စုစုပေါင်း ဘာသာရပ် 101 ခု ပါဝင်ပါတယ်။ ဘာသာရပ် ၁၂ ခုမှ MemTrax စာမေးပွဲရလဒ်များကို ပရိုဂရမ်မှ မသိမ်းဆည်းထားသောကြောင့် လူ ၁၉ ဦး၏ ဒေတာကို ခွဲခြမ်းစိတ်ဖြာခြင်းမှ ဖယ်ထုတ်ထားခြင်းဖြစ်ပြီး ဘာသာရပ် ၆ ခုတွင် အကျုံးမဝင်သော MemTrax စာမေးပွဲရလဒ်များနှင့် ဘာသာရပ်တစ်ခုတွင် MoCA ရမှတ် ၈ မှတ်ရှိကာ ပြင်းထန်စွာ သိမြင်မှုချို့ယွင်းမှုကို ညွှန်ပြသည်။ ချန်လှပ်မှုစံနှုန်းတစ်ခု။ ထို့ကြောင့် ဘာသာရပ် ၈၂ ခုမှ အချက်အလက်များကို ခွဲခြမ်းစိတ်ဖြာမှုတွင် ထည့်သွင်းခဲ့သည်။ MoCA စမ်းသပ်မှုရလဒ်များတွင် MoCA ဗားရှင်းအမျိုးမျိုးနှင့် စီမံခန့်ခွဲသူများကြားတွင် သိသာထင်ရှားသော ကွာခြားချက်များကို မတွေ့ရှိရပါ။ ထို့အပြင်၊ စာမေးပွဲစီမံခန့်ခွဲမှုအမိန့်သည် စာမေးပွဲရမှတ်များ (MoCA၊ MTX) အပေါ် သိသာထင်ရှားသောအကျိုးသက်ရောက်မှုမရှိပါ။မြန်နှုန်း, MTXမှန်ကန်သော) MoCA စာမေးပွဲရလဒ်များအပေါ်အခြေခံ၍ ဘာသာရပ်များကို NC သို့မဟုတ် MCI အုပ်စုတွင်ထားရှိခဲ့သည် (ဥပမာ၊ MoCA ≥ 23 သို့မဟုတ် MoCA <23 အသီးသီး)။ စုစုပေါင်းလေ့လာမှုလူဦးရေအတွက် ဘာသာရပ်ဝိသေသလက္ခဏာများနှင့် NC နှင့် MCI အုပ်စုများကို ဇယား 1 တွင် ဖော်ပြထားပါသည်။ ပျမ်းမျှ MoCA ရမှတ်များ (25 (IQR: 23 – 26) နှင့် 21 (IQR: 19 – 22) မှလွဲ၍ အုပ်စုများကြားတွင် သိသာထင်ရှားသောကွာခြားချက်များမတွေ့ရှိရပါ။ ) အမှတ်, Z = -7.7, p <0.001)။
ဇယား ၁
ဘာသာရပ်ဝိသေသလက္ခဏာများ
| စုစုပေါင်းလေ့လာမှုလူဦးရေ (n = 82) | NC (n=45)၊ | MCI (n=37)၊ | p | |
| အသက် (y) | 83.5 ± 5.2 | 82.6 ± 4.9 | 84.7 ± 5.4 | 0.074 |
| အမျိုးသမီး အမှတ် (%)၊ | 55 (67) | 27 (60) | 28 (76) | 0.133 |
| ပညာရေး (y) | ၁၅ (၀ – ၃၀) | ၁၅ (၀ – ၃၀) | ၁၅ (၀ – ၃၀) | 0.216 |
| အရက်သောက်ခြင်း (# မျက်မှန်/တစ်ပတ်) | ၁၅ (၀ – ၃၀) | ၁၅ (၀ – ၃၀) | ၁၅ (၀ – ၃၀) | 0.900 |
| MoCA ရမှတ် (# မှတ်) | ၁၅ (၀ – ၃၀) | ၁၅ (၀ – ၃၀) | ၁၅ (၀ – ၃၀) | ကောင်းစွာ |
တန်ဖိုးများကို ပျမ်းမျှ ± sd၊ ပျမ်းမျှ (IQR) သို့မဟုတ် ရာခိုင်နှုန်းဖြင့် နံပါတ်အဖြစ် ဖော်ပြသည်။
MemTrax ဖြင့် တိုင်းတာသော သိမြင်မှုအခြေအနေ
MTX စမ်းသပ်မှုဖြင့် သိမြင်မှုအခြေအနေကို တိုင်းတာသည်။ ပုံ 1 သည် ရလဒ်များကို ပြသည်။ သိမြင်မှုစမ်းသပ်မှု NC နှင့် MCI ဘာသာရပ်များ၏ ရလဒ်များ။ ပျမ်းမျှ MTX ရမှတ်များ (ဥပမာ၊ MTXမြန်နှုန်း နှင့် MTXမှန်ကန်သော) အုပ်စုနှစ်စုကြား သိသိသာသာ ကွဲပြားသည်။ NC ဘာသာရပ်များ (0.916 ± 0.152 s-1) သည် MCI ဘာသာရပ်များနှင့် နှိုင်းယှဉ်ပါက သိသာထင်ရှားသော တုံ့ပြန်မှုအမြန်နှုန်း (0.816 ± 0.146 s)-1); t(80) = 3.01၊ p = 0.003) (ပုံ။ 1A)။ ထို့အပြင်၊ NC ဘာသာရပ်များသည် MTX တွင် ပိုမိုကောင်းမွန်သောရမှတ်များရှိသည်။မှန်ကန်သော MCI ဘာသာရပ်များထက် ပြောင်းလဲနိုင်သော (91.2 ± 5.0% နှင့် 87.0 ± 7.7% အသီးသီး၊ t၊w (59) = 2.89, p = 0.005) (ပုံ။ 1B)။
Fig.1
NC နှင့် MCI အုပ်စုများအတွက် MTX စမ်းသပ်မှုရလဒ်များ၏ ကွက်ကွက်များ။ က) MTXမြန်နှုန်း စမ်းသပ်မှုရလဒ်နှင့် B) MTXမှန်ကန်သော စမ်းသပ်မှုရလဒ်။ MTX စမ်းသပ်မှုများ၏ရလဒ်ပြောင်းလွဲမှုနှစ်ခုစလုံးသည် NC နှင့်နှိုင်းယှဉ်ပါက MCI အုပ်စုတွင် သိသိသာသာနိမ့်ကျသည်။ မီးခိုးရောင်ဖျော့ဖျော့အရောင်သည် NC အကြောင်းအရာများကို ညွှန်ပြသော်လည်း မီးခိုးရောင်သည် MCI အကြောင်းအရာများကို ညွှန်ပြနေပါသည်။
NC နှင့် MCI အုပ်စုများအတွက် MTX စမ်းသပ်မှုရလဒ်များ၏ ကွက်ကွက်များ။ A) MTX မြန်နှုန်းစမ်းသပ်မှုရလဒ်နှင့် B) MTX မှန်ကန်သောစမ်းသပ်မှုရလဒ်။ MemTrax စမ်းသပ်မှုများ၏ရလဒ်ပြောင်းလွဲမှုနှစ်ခုစလုံးသည် NC နှင့်နှိုင်းယှဉ်ပါက MCI အုပ်စုတွင် သိသိသာသာနိမ့်ပါသည်။ မီးခိုးရောင်ဖျော့ဖျော့အရောင်သည် NC အကြောင်းအရာများကို ညွှန်ပြသော်လည်း မီးခိုးရောင်သည် MCI အကြောင်းအရာများကို ညွှန်ပြနေပါသည်။
MemTrax နှင့် MOCA အကြားဆက်စပ်မှု
MTX စာမေးပွဲရမှတ်များနှင့် MoCA အကြား ဆက်စပ်မှုများကို ပုံ 2 တွင် ပြထားသည်။ MTX ကိန်းရှင်နှစ်ခုစလုံးသည် MoCA နှင့် အပြုသဘောဆက်စပ်နေသည်။ MTXမြန်နှုန်း MoCA သည် r = 0.39 (p = 0.000) နှင့် MTX အကြား ဆက်စပ်မှုကို ပြသခဲ့သည်၊မှန်ကန်သော MoCA သည် r = 0.31 (p = 0.005) ဖြစ်သည်။ MTX အကြား ဆက်စပ်မှု မရှိခဲ့ပါ။မြန်နှုန်း နှင့် MTXမှန်ကန်သော.
Fig.2
A) MTX အကြား အသင်းအဖွဲ့များမြန်နှုန်း နှင့် MoCA; ခ) MTXမှန်ကန်သော နှင့် MoCA; ဂ) MTXမှန်ကန်သော နှင့် MTXမြန်နှုန်း. NC နှင့် MCI ဘာသာရပ်များကို အစက်များနှင့် တြိဂံများဖြင့် ညွှန်ပြထားသည်။ ဂရပ်တစ်ခုစီ၏ ညာဘက်အောက်ခြေထောင့်တွင် rho နှင့် သက်ဆိုင်သော p တန်ဖိုးကို ကိန်းရှင်နှစ်ခုကြားရှိ ဆက်စပ်မှုကို ပြသထားသည်။
A) MTXspeed နှင့် MoCA အကြား ဆက်စပ်မှုများ၊ ခ) MTX မှန်ကန်မှုနှင့် MoCA; ဂ) MTX မှန်ကန်မှုနှင့် MTX မြန်နှုန်း။ NC နှင့် MCI ဘာသာရပ်များကို အစက်များနှင့် တြိဂံများဖြင့် ညွှန်ပြထားသည်။ ဂရပ်တစ်ခုစီ၏ ညာဘက်အောက်ခြေထောင့်တွင် rho နှင့် သက်ဆိုင်သော p တန်ဖိုးကို ကိန်းရှင်နှစ်ခုကြားရှိ ဆက်စပ်မှုကို ပြသထားသည်။
A) MTXspeed နှင့် MoCA အကြား ဆက်စပ်မှုများ၊ ခ) MTX မှန်ကန်မှုနှင့် MoCA; ဂ) MTX မှန်ကန်မှုနှင့် MTX မြန်နှုန်း။ NC နှင့် MCI ဘာသာရပ်များကို အစက်များနှင့် တြိဂံများဖြင့် ညွှန်ပြထားသည်။ ဂရပ်တစ်ခုစီ၏ ညာဘက်အောက်ခြေထောင့်တွင် rho နှင့် သက်ဆိုင်သော p တန်ဖိုးကို ကိန်းရှင်နှစ်ခုကြားရှိ ဆက်စပ်မှုကို ပြသထားသည်။[/caption]
MemTrax မက်ထရစ်များနှင့် ဒိုမိန်းတစ်ခုစီ၏ ဆက်စပ်မှုကို ဆုံးဖြတ်ရန် Polyserial ဆက်စပ်မှုများကို MemTrax စာမေးပွဲရမှတ်များနှင့် MoCA ဒိုမိန်းများကြားတွင် တွက်ချက်ထားသည်။ polyserial ဆက်စပ်မှုများကို ဇယား 2 တွင် ပြထားသည်။ MoCA ၏ ဒိုမိန်းအများအပြားသည် MTX နှင့် သိသိသာသာ ဆက်နွယ်နေပါသည်။အရှိန်။ domain “abstraction” သည် MTX နှင့် အလယ်အလတ်ရှိသော်လည်း အမြင့်ဆုံးဆက်စပ်မှုကို ပြသခဲ့သည်။မြန်နှုန်း (r = 0.35, p = 0.002)။ ဒိုမိန်းများ "အမည်ပေးခြင်း" နှင့် "ဘာသာစကား" တို့သည် MTX နှင့် ပျော့ညံ့မှ အလယ်အလတ် သိသာထင်ရှားသော ဆက်စပ်မှုကို ပြသခဲ့သည်။မြန်နှုန်း (r = 0.29၊ p = 0.026 နှင့် r = 0.27၊ p = 0.012 အသီးသီး)။ MTXမှန်ကန်သော ဒိုမိန်း “visuospatial” (r = 0.25၊ p = 0.021) မှလွဲ၍ MoCA ဒိုမိန်းများနှင့် သိသိသာသာ ဆက်စပ်မှုမရှိပါ။
ဇယား ၁
MoCA ဒိုမိန်းများနှင့် MTX စမ်းသပ်မှုရလဒ်များ၏ Polyserial ဆက်စပ်မှုများ
| MTXမြန်နှုန်း | MTXမှန်ကန်သော | |||
| r | p | r | p | |
| အမြင်အာရုံ | 0.22 | 0.046 | 0.25 | 0.021 |
| အမည်ပေးခြင်း | 0.29 | 0.026 | 0.24 | 0.063 |
| အာရုံစူးစိုက်မှု | 0.24 | 0.046 | 0.09 | 0.477 |
| ဘာသာစကား | 0.27 | 0.012 | 0.160 | 0.165 |
| abstraction | 0.35 | 0.002 | 0.211 | 0.079 |
| ပြန်ခေါ် | 0.15 | 0.159 | 0.143 | 0.163 |
| အရှေ့တိုင်းဆန် | 0.21 | 0.156 | 0.005 | 0.972 |
မှတ်ချက်- သိသာထင်ရှားသောဆက်နွယ်မှုများကို ရဲရင့်စွာဖော်ပြသည်။
MCI အတွက် MemTrax ရမှတ်များနှင့် ခန့်မှန်းဖြတ်တောက်မှုတန်ဖိုးများ
MemTrax နှင့် MoCA တို့၏ ဆက်စပ်ရမှတ်များကို ဆုံးဖြတ်ရန်အတွက်၊ MoCA ရမှတ်တစ်ခုစီ၏ MemTrax ရမှတ်များကို ပျမ်းမျှအားဖြင့် ဆက်စပ်မှုနှင့် ဆက်စပ်ညီမျှခြင်းများကို ခန့်မှန်းရန် linear regression တွက်ချက်ထားပါသည်။ linear regression ၏ရလဒ်များက MTX ကိုညွှန်ပြသည်။မြန်နှုန်း MoCA (R2 = 0.55, p = 0.001)။ ပြောင်းလဲနိုင်သော MTXမှန်ကန်သော MoCA (R2 = 0.21, p = 0.048)။ ဤဆက်စပ်မှုများ၏ ညီမျှခြင်းများကို အခြေခံ၍ ဇယား 3 တွင်ပြသထားသည့် MTX ရမှတ်များအတွက် ညီမျှသော MoCA ရမှတ်များကို တွက်ချက်ထားပါသည်။ ဤညီမျှခြင်းများကို အခြေခံ၍ MTX အတွက် သက်ဆိုင်သောဖြတ်တောက်မှုတန်ဖိုးများ (ဥပမာ၊ MoCA ရမှတ် 23 မှတ်)မြန်နှုန်း နှင့် MTXမှန်ကန်သော 0.87 s ရှိပါသည်။-1 နှင့် 90%။ ထို့အပြင်၊ MemTrax variable နှစ်ခုစလုံးတွင် linear regression အများအပြားကို လုပ်ဆောင်ခဲ့သည်၊ သို့သော် ပြောင်းလဲနိုင်သော MTXမှန်ကန်သော မော်ဒယ်ကို သိသိသာသာ အထောက်အကူမပြုသောကြောင့် ရလဒ်များကို ပြသမည်မဟုတ်ပါ။
ဇယား ၁
ပေးထားသော MemTrax ရမှတ်များအတွက် တူညီသော MoCA ရမှတ်ကို အကြံပြုထားသည်။
| MoCA (အမှတ်များ) | ညီမျှသော MTXမြန်နှုန်း (s-1)a | MTX ဖြင့် ခန့်မှန်းချက် CIမြန်နှုန်း (အမှတ်များ) | ညီမျှသော MTXမှန်ကန်သော (%)b | MTX ဖြင့် ခန့်မှန်းချက် CIမှန်ကန်သော (အမှတ်များ) |
| 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 |
aအသုံးပြုထားသော ညီမျှခြင်း- 1.1 + 25.2 *MTXမြန်နှုန်း; b အသုံးပြုထားသော ညီမျှခြင်း- -9.7 + 0.36 *MTXမှန်ကန်သော.
ထို့အပြင်၊ MTX ဖြတ်တောက်မှုတန်ဖိုးများနှင့် သက်ဆိုင်ရာ အာရုံခံနိုင်စွမ်းနှင့် တိကျမှုကို ROC ခွဲခြမ်းစိတ်ဖြာမှုမှတစ်ဆင့် ဆုံးဖြတ်ခဲ့သည်။ MemTrax variable များ၏ ROC မျဉ်းကွေးများကို ပုံ 3 တွင် ပြသထားသည်။ MTX အတွက် AUCsမြန်နှုန်း နှင့် MTXမှန်ကန်သော အသီးသီးမှာ 66.7 (CI: 54.9 – 78.4) နှင့် 66.4% (CI: 54.1 – 78.7) တို့ဖြစ်သည်။ MoCA မှတည်ဆောက်ထားသော MCI အကဲဖြတ်ရန်အသုံးပြုသည့် MemTrax ကိန်းရှင်များ၏ AUC များသည် သိသိသာသာကွဲပြားခြင်းမရှိပါ။ ဇယား 4 သည် MemTrax ကိန်းရှင်များ၏ ကွဲပြားသော ဖြတ်တောက်မှုအမှတ်များ၏ အာရုံခံနိုင်စွမ်းနှင့် တိကျမှုကို ပြသသည်။ MTX အတွက် မှားယွင်းသော အပြုသဘောများကို နည်းပါးစေပြီး စစ်မှန်သော အပြုသဘောများကို မြှင့်တင်ပေးသည့် အကောင်းဆုံးဖြတ်တောက်မှုရမှတ်များမြန်နှုန်း နှင့် MTXမှန်ကန်သော 0.91 s ရှိခဲ့သည်။-1 (sensitivity = 48.9% specificity = 78.4%) နှင့် 85% (sensitivity = 43.2%; specificity = 93.3%) အသီးသီး။
Fig.3
MoCA အဆင့်သတ်မှတ်ထားသော MCI ကို အကဲဖြတ်ရန် MTX စမ်းသပ်မှုရလဒ်များ၏ ROC မျဉ်းကွေးများ။ အစက်ချမျဉ်းသည် MTX ကိုညွှန်ပြသည်။မြန်နှုန်း နှင့် အစိုင်အခဲလိုင်း MTXမှန်ကန်သော. မီးခိုးရောင်မျဉ်းသည် 0.5 ရည်ညွှန်းမျဉ်းကို ကိုယ်စားပြုသည်။
MoCA အဆင့်သတ်မှတ်ထားသော MCI ကို အကဲဖြတ်ရန် MTX စမ်းသပ်မှုရလဒ်များ၏ ROC မျဉ်းကွေးများ။ အစက်ချမျဉ်းသည် MTX speed နှင့် အစိုင်အခဲလိုင်း MTXcorrect ကိုဖော်ပြသည်။ မီးခိုးရောင်မျဉ်းသည် 0.5 ရည်ညွှန်းမျဉ်းကို ကိုယ်စားပြုသည်။
ဇယား ၁
MTXမြန်နှုန်း နှင့် MTXမှန်ကန်သော ဖြတ်တောက်ထားသော အမှတ်များနှင့် သက်ဆိုင်သော တိကျမှုနှင့် အာရုံခံနိုင်စွမ်း
| ဖြတ်မှတ် | Tp (#) | tn (#) | Fp (#) | Fn (#) | တိကျမှု (%) | အာရုံခံနိုင်စွမ်း (%) | |
| MTXမြန်နှုန်း | 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 | |
| MTXမှန်ကန်သော | 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၊ အပြုသဘောအမှန်၊ tn၊ အနုတ်အမှန်၊ fp၊ false positive; fn, false အနှုတ်.
ဆွေးနွေးရန်
ဤလေ့လာမှုအား MoCA ကို ကိုးကား၍ အသုံးပြု၍ အွန်လိုင်း MemTrax ကိရိယာ၊ CRT အခြေပြု စမ်းသပ်မှုအား စုံစမ်းစစ်ဆေးရန် ဖွဲ့စည်းထားပါသည်။ ဤစစ်ဆေးမှုကို လက်ရှိတွင် MCI စစ်ဆေးရန် တွင်ကျယ်စွာအသုံးပြုနေသောကြောင့် MoCA ကို ရွေးချယ်ခဲ့ခြင်းဖြစ်သည်။ သို့သော်လည်း MoCA အတွက် အကောင်းဆုံး ဖြတ်တောက်ထားသော အမှတ်များကို ရှင်းရှင်းလင်းလင်း မသတ်မှတ်ထားပေ။ MoCA နှင့် MemTrax ၏တစ်ဦးချင်းစီအတိုင်းအတာများ၏ နှိုင်းယှဉ်ချက်များသည် ရိုးရှင်းသော၊ တိုတောင်းသော၊ အွန်လိုင်းစမ်းသပ်မှုတစ်ခုသည် မှတ်ဥာဏ်ဆိုင်ရာလုပ်ဆောင်မှုနှင့် သိမြင်မှုဆိုင်ရာချို့ယွင်းမှုဆိုင်ရာကွဲလွဲမှု၏ သိသာထင်ရှားသောအချိုးအစားကိုဖမ်းယူနိုင်ကြောင်းပြသသည်။ ဤခွဲခြမ်းစိတ်ဖြာမှုတွင်၊ အမြန်နှုန်းတိုင်းတာမှုအတွက် အပြင်းထန်ဆုံးအကျိုးသက်ရောက်မှုကို မြင်တွေ့ခဲ့ရသည်။ မှန်ကန်မှုအတိုင်းအတာသည် ခိုင်ခံ့မှုနည်းသော ဆက်ဆံရေးကို ပြသခဲ့သည်။ သိသာထင်ရှားသောတွေ့ရှိချက်တစ်ခုမှာ MTX အမြန်နှုန်းနှင့် မှန်ကန်မှုအတိုင်းအတာများကြားတွင် ဆက်စပ်မှုကို မတွေ့ရှိရဘဲ၊ ဤကိန်းရှင်များသည် နောက်ခံအစိတ်အပိုင်းများကို တိုင်းတာခြင်းဖြစ်သည်ကို ညွှန်ပြနေပါသည်။ ဦးနှောက်လုပ်ဆောင်မှုလုပ်ဆောင်ချက်. ထို့ကြောင့် ဘာသာရပ်များတွင် မြန်နှုန်း-တိကျမှု အပေးအယူကို ညွှန်ပြခြင်းမျိုး မတွေ့ရှိရပါ။ ထို့အပြင် MCI ကိုရှာဖွေရန် MemTrax memory test ၏ဖြတ်တောက်မှုတန်ဖိုးများကို ခန့်မှန်းရန် မတူညီသောနည်းလမ်းနှစ်ခုကို အသုံးပြုခဲ့သည်။ ဤနည်းလမ်းများသည် ရလဒ်များ မြန်ဆန်မှုနှင့် မှန်ကန်မှုအတွက် အသီးသီး 0.87 – 91 s ၏ အပိုင်းအခြားများအောက်တွင် ရမှတ်များပြသခဲ့သည်၊-1 နှင့် 85 – 90% သည် အဆိုပါ အပိုင်းအခြားများအနက်မှ တစ်ခုအောက် ရမှတ်များ ရှိသူများသည် MCI ရရှိရန် အလားအလာ ပိုများကြောင်း ညွှန်ပြနေသည်။ "ကုန်ကျစရိတ်-ထိုက်တန်မှု ခွဲခြမ်းစိတ်ဖြာမှု" သည် မည်သည့်အချက်တွင် တစ်ဦးတစ်ယောက်အား MCI [8-35] ကို စစ်ဆေးရန်အတွက် ပိုမိုပြည့်စုံသောစစ်ဆေးမှုများလုပ်ဆောင်ခြင်းနှင့် ပတ်သက်၍ သမားတော်နှင့် တိုင်ပင်ဆွေးနွေးရန် အကြံပြုသင့်ပါသည်။
လက်ရှိလေ့လာမှုတွင်၊ MoCA မှတိုင်းတာသော "အမည်ပေးခြင်း"၊ "ဘာသာစကား" နှင့် "အကျဉ်းချုပ်" တို့သည် MemTrax ရလဒ်များအနက်မှ တစ်ခုနှင့်တစ်ခု ဆက်စပ်မှု အားနည်းသော်လည်း အလယ်အလတ်အထိ ဆက်နွယ်မှုရှိကြောင်း တွေ့ရှိရပါသည်။ ၎င်းသည် ယခင်လေ့လာမှုများက စစ်ဆေးမှုတွင် ပြသခဲ့သောကြောင့် မျှော်လင့်ထားသည်နှင့် ဆန့်ကျင်ဘက်ဖြစ်သည်။ Mini-Mental State စာမေးပွဲ Item Response Theory ကိုအသုံးပြု၍ domains များသည် "memory/delayed recall" နှင့် "orientation" တို့သည် AD အစောပိုင်း [12] တွင် အထိခိုက်မခံဆုံးဖြစ်သည်။ ဒီနားမှာ ရှေးဦးအဆင့် မှတ်ဥာဏ်ချို့ယွင်းမှုကြောင့် MoCA ၏ Item Response Theory ခွဲခြမ်းစိတ်ဖြာမှုတွင် ယခင်တွေ့ရှိချက်များနှင့်အညီ အမည်ပေးခြင်း၊ ဘာသာစကားနှင့် abstraction တို့တွင် MCI တွင် သိမ်မွေ့သောချို့ယွင်းချက်များ၏ MoCA အညွှန်းများသည် မှတ်ဉာဏ်နှင့် တိမ်းညွှတ်မှုတိုင်းတာခြင်းထက် ပိုမိုထိခိုက်လွယ်ကြောင်း တွေ့ရှိရသည်။ ထို့ထက်၊ MemTrax ၏ အသိအမှတ်ပြုမှုအမြန်နှုန်း တိုင်းတာမှုသည် အသိအမှတ်ပြုမှတ်ဉာဏ်မမီမီ ဤအစောပိုင်းချွတ်ယွင်းချက်အား ထင်ဟပ်နေပုံပေါ်သည်။ MTX (သိသိသာသာမျက်နှာကျက်အကျိုးသက်ရောက်မှုရှိသော) ဖြင့်တိုင်းတာသည်။ ဤကြယ်စု အကျိုးသက်ရောက်မှုများသည် MCI ကိုဖြစ်စေသောရောဂါဗေဒ၏ရှုပ်ထွေးသောရှုထောင့်များသည်အစောပိုင်း ဦး နှောက်ကိုထင်ဟပ်ကြောင်းအကြံပြုသည်။ ရိုးရှင်းသော neurocognitive ချဉ်းကပ်မှုများဖြင့် စိတ်ကူးပုံဖော်ရန် ခက်ခဲသော အပြောင်းအလဲများသည် အရင်းခံ အာရုံကြောရောဂါဗေဒ၏ တိုးတက်မှုကို အမှန်တကယ် ထင်ဟပ်စေနိုင်သည်။
လက်ရှိလေ့လာမှုတွင် ခိုင်မာသောအချက်များမှာ နမူနာအရွယ်အစား (n = 82) သည် ဤအတော်လေးဟောင်းနွမ်းနေသောလူဦးရေရှိ MoCA နှင့် MTX အကြားဆက်စပ်မှုများကို ရှာဖွေတွေ့ရှိရန် လုံလောက်သည်ထက် ပိုနေခြင်းဖြစ်သည်။ ထို့အပြင်၊ ဘာသာရပ်တိုင်းတွင် လက်တွေ့စမ်းသပ်မှုကို စီမံထားသောကြောင့် ကွန်ပျူတာကို အသုံးမချသော သက်ကြီးရွယ်အိုများသည် စမ်းသပ်မှုပတ်ဝန်းကျင်နှင့် စက်ကိရိယာများနှင့် လိုက်လျောညီထွေဖြစ်စေရန် အခွင့်အလမ်းရှိသည်။ MoCA နှင့်နှိုင်းယှဉ်ပါက MemTrax သည် ပို၍ပျော်စရာကောင်းသည်ဟု ဘာသာရပ်များက ညွှန်ပြနေသော်လည်း MoCA သည် စာမေးပွဲတစ်ခုလို ပို၍ခံစားရသည်။ ဘာသာရပ်များ၏ အသက်အရွယ်နှင့် ၎င်းတို့၏ ရပ်ရွာလွတ်လပ်မှုတို့သည် ဤရွေးချယ်ထားသော အဖွဲ့တွင် ခွဲခြမ်းစိတ်ဖြာမှု၏ အာရုံစိုက်မှုကို ကန့်သတ်ထားသော်လည်း ဤအုပ်စုသည် ချွတ်ယွင်းမှု ခွဲခြားသတ်မှတ်ခြင်းအတွက် အခက်ခဲဆုံးဖြစ်သည်။
မှတ်သားဖွယ်၊ စံစစ်ဆေးမှုတစ်ခုဟု ယူဆသော်လည်း၊ MoCA သည် ရောဂါရှာဖွေရေးကိရိယာတစ်ခုမဟုတ်ပါ၊ သို့မဟုတ် သိမြင်မှုဆိုင်ရာချို့ယွင်းမှု၏လုံးဝတိုင်းတာမှုတစ်ခုမဟုတ်ဘဲ MCI ၏တည်ရှိမှုကို ညွှန်ပြသည့်စမ်းသပ်မှုတစ်ခုသာဖြစ်သည်။ ထို့ကြောင့်၊ MoCA နှင့် MTX ၏ နှိုင်းယှဉ်မှုသည် ဆက်စပ်မှုရှိပြီး MCI ခွဲခြားသတ်မှတ်ခြင်းတွင် သီးခြားကွဲလွဲမှုကို ဖမ်းယူနိုင်ဖွယ်ရှိသည်။ ထို့ကြောင့်၊ စာပေတွင် အရေးကြီးသောပြဿနာမှာ MoCA ၏ အသုံးဝင်မှု [38]၊ ၎င်း၏တရားဝင်မှု [39]၊ စံအမှတ်များ [40]၊ အခြားသော သိမြင်မှုဆိုင်ရာ အကဲဖြတ်မှုများ [41-45] တို့နှင့် နှိုင်းယှဉ်ရန် အားထုတ်မှုဖြစ်သည်။ နှင့် MCI [46] (Carson et al., 2017 [28] မှ ပြန်လည်သုံးသပ်သည်)၊ အပြင် အီလက်ထရွန်နစ်ဗားရှင်း [47] ၏ အသုံးချနိုင်မှု နှင့် ၎င်း၏ အသုံးဝင်မှု။ ထိုသို့သောခွဲခြမ်းစိတ်ဖြာမှုများတွင် အများအားဖြင့် ROC ခွဲခြမ်းစိတ်ဖြာမှုအား "မျဉ်းကွေးအောက်ဧရိယာ" တိုင်းတာခြင်းနှင့် "ရောဂါရှာဖွေခြင်း" အတွက် ဖြတ်တောက်ခြင်းအကြံပြုချက်တို့ကို အသုံးပြု၍ ဤကဲ့သို့သောခွဲခြမ်းစိတ်ဖြာမှုများတွင် အာရုံခံနိုင်စွမ်းနှင့် တိကျမှုတို့ကို စစ်ဆေးခြင်းပါဝင်သည်။ သို့ရာတွင်၊ တစ်ဦးတစ်ယောက်သည် အပျော့စား ချို့ယွင်းမှု၏ သန္တာန်တွင် တည်ရှိနေသည့် နေရာကို အဆုံးအဖြတ်ပေးရန် ချဉ်းကပ်မှု တစ်စုံတစ်ရာ မရှိသောအခါ၊ အရင်းခံ၌ ကြီးမားသော ကွဲလွဲမှုနှင့်အတူ၊ ဦးနှောက်လုပ်ဆောင်ချက်များ ထိုချို့ယွင်းမှုကို ပံ့ပိုးပေးသော၊ ထိုကိရိယာများအားလုံးသည် ဖြစ်နိုင်ချေရှိသော ခန့်မှန်းချက်ကိုသာ ပေးစွမ်းနိုင်သည်။ မတူညီသော တိုင်းတာမှုများကြားတွင် ဆက်စပ်မှုများကို ပံ့ပိုးပေးခြင်းဖြင့် အရင်းခံအခြေအနေအား မှန်ကန်စွာ ဖြေရှင်းထားကြောင်း ပြသနေသော်လည်း စစ်မှန်သော ဇီဝဗေဒဆိုင်ရာ အခြေအနေအား ဤချဉ်းကပ်နည်းဖြင့် အတိအကျ သတ်မှတ်၍မရပါ။ ပိုမိုမြင့်မားသောအဆင့်ခွဲခြမ်းစိတ်ဖြာချက်များသည် ဆေးခန်းတစ်ခုတွင် လက်တွေ့ကျကျ အသုံးဝင်နိုင်သော်လည်း၊ ထိုသို့သော အသုံးဝင်မှုကို တည်ထောင်ရာတွင် အချက်လေးချက်ကို ထပ်လောင်းထည့်သွင်းစဉ်းစားရန် လိုအပ်သည်- လူဦးရေတွင် အခြေအနေအဖြစ်များခြင်း၊ စမ်းသပ်မှုကုန်ကျစရိတ်၊ မှားယွင်းသောအပြုသဘောဆောင်သောရလဒ်များ၏ကုန်ကျစရိတ်နှင့် စစ်မှန်သောအပြုသဘောဆောင်သောရောဂါရှာဖွေခြင်း၏ပစ္စည်းအကျိုး [၈၊ ၃၅]။
အဓိက AD ကို အကဲဖြတ်ရာတွင် ပြဿနာ၏ တစ်စိတ်တစ်ပိုင်း နှင့် ၎င်း၏ ဆက်စပ် သိမြင်မှု ချွတ်ယွင်းမှုသည် အစစ်အမှန် မရှိပါ။ “အဆင့်များ” [48]၊ သို့သော် တိုးတက်မှု၏ ယာယီအဆက်အစပ် [၈၊ ၁၇၊ ၄၉]။ MCI မှ "သာမန်" ၏ ခြားနားမှုသည် ဤအခြေအနေများထဲမှ တစ်ခုခုကို အပျော့စားနှင့် ခွဲခြားခြင်းထက် အမှန်တကယ် ပိုမိုခက်ခဲပါသည်။ dementia ဆက်စပ်မှု AD [50၊ 51] ဖြင့် “ခေတ်သစ်စမ်းသပ်မှုသီအိုရီ” သဘောတရားကို အသုံးပြု၍ စာမေးပွဲရမှတ်တစ်ခုမှ တစ်ဦးချင်းစီသည် သီးခြားယုံကြည်မှုကြားကာလအပိုင်းအခြားတစ်ခုအတွင်း ဖြစ်နိုင်ခြေအရှိဆုံးနေရာတွင် မည်သည့်နေရာတွင်ရှိနိုင်သည်ကို ဆုံးဖြတ်ရန် ပြဿနာဖြစ်လာသည်။ ထိုသို့သော ဆုံးဖြတ်ချက်များကို ပြုလုပ်ရန်၊ အတိုချုံး သိမြင်မှု စမ်းသပ်မှုအများစုမှ ပေးဆောင်သည်ထက် ပိုမိုတိကျသော အကဲဖြတ်မှုများကို လိုအပ်သော်လည်း၊ ၎င်းတို့ကို MTX မှ ပံ့ပိုးပေးပါသည်။ ကွန်ပြူတာစမ်းသပ်မှုဖြင့် တိကျမှုနှင့် လေ့လာသူဘက်လိုက်မှုများကို ဖယ်ရှားခြင်းသည် အလားအလာကောင်းသော ဦးတည်ချက်ဖြစ်သည်။ ထို့အပြင် MemTrax ကဲ့သို့သော ကွန်ပျူတာဖြင့် စမ်းသပ်ခြင်းသည် နှိုင်းယှဉ်နိုင်သော စမ်းသပ်မှုအရေအတွက် အကန့်အသတ်မရှိ ဖြစ်နိုင်ချေကို ပေးစွမ်းနိုင်ပြီး၊ ချွတ်ယွင်းမှု ခန့်မှန်းချက်၏ ကွဲလွဲမှုကို သိသိသာသာ လျှော့ချနိုင်သည်။ ထို့အပြင် မူအရ၊ ကွန်ပြူတာစမ်းသပ်ခြင်းသည် AD ကြောင့် ထိခိုက်သည့် memory-related domains အများအပြားကို စမ်းသပ်နိုင်သည်။ ဤလေ့လာမှုသည် MTX ကို ဖန်တီးထားသည့် အခြားသော ကွန်ပျူတာစမ်းသပ်မှုများစွာနှင့် နှိုင်းယှဉ်ခြင်းမပြုခဲ့ (နိဒါန်းကိုကြည့်ပါ)၊ သို့သော် ယခုအချိန်အထိ ရရှိနိုင်သည့်အရာများထဲမှ တစ်ခုမျှ CRT မှ ကမ်းလှမ်းထားသော အစွမ်းထက်သောချဉ်းကပ်မှုကို မသုံးပါ။ ကွန်ပြူတာစမ်းသပ်ခြင်း၏ နောက်ထပ်တိုးတက်မှုသည် အာရုံစိုက်မှုနှင့် ပံ့ပိုးမှုများအတွက် အရေးကြီးသော နယ်ပယ်တစ်ခုဖြစ်သည်။ နောက်ဆုံး၊ လေ့ကျင့်ရေးအကျိုးသက်ရောက်မှုများ ခွဲခြမ်းစိတ်ဖြာချက်များတွင် ထည့်သွင်းနိုင်သည်။
ယခုအချိန်တွင် ကွန်ပြူတာ အွန်လိုင်းတွင် စမ်းသပ်ခြင်းမှာ တိကျသေချာသော နည်းလမ်းတစ်ခု မဟုတ်ပေ။ dementia ကုလားမှတ်ဥာဏ်ချို့ယွင်းမှုကို အကဲဖြတ်ပါ သို့မဟုတ် ဆေးခန်းဆိုင်ရာ ရောဂါရှာဖွေမှု ပြုလုပ်ပါ။ သို့သော်၊ အထူးသဖြင့် CRT ကိုအသုံးပြုခြင်းသည် အပိုင်းပိုင်း (ရေတို) မှတ်ဉာဏ်ကို အကဲဖြတ်ရန် ဤချဉ်းကပ်မှု၏ ပါဝါနှင့် အလားအလာသည် အလွန်ကြီးမားပြီး သိမြင်မှုအကဲဖြတ်ခြင်းဆိုင်ရာ အနာဂတ်အသုံးချမှုများ အပါအဝင်၊ dementia စစ်ဆေးခြင်း။ နှင့် အကဲဖြတ်ခြင်း၊ ခွဲစိတ်ပြီးနောက်ပိုင်း စိတ်ရှုပ်ထွေးမှုများကို စောင့်ကြည့်ခြင်း၊ ဆုံးဖြတ်ချက်ချခြင်းအတွက် စိတ်ပိုင်းဆိုင်ရာစွမ်းရည်ကို ထူထောင်ခြင်း၊ ထိခိုက်ဒဏ်ရာရပြီးနောက် ချို့ယွင်းချက်များကို ရှာဖွေခြင်း၊ နှင့် ယာဉ်မောင်းခြင်းဘေးကင်းရေးအတွက် ဖြစ်နိုင်ခြေရှိသော ချို့ယွင်းချက်ကို ခန့်မှန်းခြင်း။ ဤလေ့လာမှုတွင် MemTrax သည် မှတ်ဥာဏ်ချို့ယွင်းခြင်း၏ကွဲပြားမှု၏သိသိသာသာအချိုးအစားကိုဖမ်းယူနိုင်သည်ကိုပြသထားသည်။ ထို့အပြင်၊ MCI အတွက် MoCA ဖြတ်တောက်မှုရမှတ်များနှင့် ညီမျှသော MTX ကိန်းရှင်များအတွက် ဖြတ်တောက်မှုတန်ဖိုးများကို တင်ပြပါသည်။ အနာဂတ်သုတေသနအတွက်၊ MCI အတွက် စစ်ဆေးရေးကိရိယာအဖြစ် MemTrax ကို တည်ထောင်ရန် ပိုမိုကြီးမားသော၊ ပိုမိုရှင်းလင်းစွာသတ်မှတ်ထားသော လူဦးရေများတွင် စုံစမ်းစစ်ဆေးရန် အကြံပြုထားသည်။ အဆိုပါလူဦးရေတွင် ရောဂါရှာဖွေရေးပြဿနာများကို တတ်နိုင်သမျှ အတိအကျသတ်မှတ်နိုင်ပြီး ဘာသာရပ်များကို MTX နှင့် အခြားသိမြင်မှုဆိုင်ရာစမ်းသပ်မှုများဖြင့် အချိန်နှင့်အမျှ လိုက်နာနိုင်သည့် ဆေးခန်းနမူနာများ ပါဝင်သင့်သည်။ ထိုသို့သော ခွဲခြမ်းစိတ်ဖြာချက်များသည် သာမန်အိုမင်းခြင်း နှင့် အမျိုးမျိုးသော ရောဂါဗေဒအခြေအနေများ နှင့် သက်ဆိုင်သော သိမြင်မှု ကျဆင်းမှု လမ်းကြောင်းများတွင် ကွဲပြားမှုများကို ဆုံးဖြတ်နိုင်သည်။ ကွန်ပြူတာစမ်းသပ်ခြင်းနှင့် မှတ်ပုံတင်ခြင်းများ ဖွံ့ဖြိုးလာသည်နှင့်အမျှ၊ အဆင့်များအကြောင်း အချက်အလက်များ ပိုမိုများပြားလာသည်။ ကျန်းမာရေးသည် ရရှိလာမည်ဖြစ်ပြီး ကျန်းမာရေးစောင့်ရှောက်မှုတွင် ကြီးမားသောတိုးတက်မှုကို ဖြစ်ပေါ်စေမည်မှာ သေချာပါသည်။ AD ကဲ့သို့သော အခြေအနေများကို တားဆီးရန် ချဉ်းကပ်လာမည်ဟု မျှော်လင့်ပါသည်။
ဝန်ခံချက်
Anne van der Heijden၊ Hanneke Rasing၊ Esther Sinnema နှင့် Melinda Lodders တို့ကို ဤလေ့လာမှုတွင် ၎င်းတို့၏ လုပ်ဆောင်မှုအတွက် ကျွန်ုပ်တို့ ကျေးဇူးတင်ပါသည်။ ထို့အပြင်၊ MemTrax စမ်းသပ်မှု၏ အခမဲ့ဗားရှင်းအပြည့်အစုံကို ပံ့ပိုးပေးသည့်အတွက် MemTrax, LLC အား ကျေးဇူးတင်ရှိပါသည်။ ဤလုပ်ငန်းသည် Fryslân (01120657)၊ နယ်သာလန်နှင့် Alfasigma Nederland BV (ထောက်ပံ့ကြေးနံပါတ် 01120657) မှ ဘဏ္ဍာငွေထောက်ပံ့ထားသည့် သုတေသနအစီအစဉ်၏ တစ်စိတ်တစ်ပိုင်းဖြစ်သည်။ ထုတ်ဝေခဲ့သည်- 12 ဖေဖော်ဝါရီ 2019
အညွှန်း
| [1] | Jorm AF , Jolley D (1998) စိတ်ကျရောဂါဖြစ်ပွားမှု- မက်တာ-ခွဲခြမ်းစိတ်ဖြာမှု။ အာရုံကြောဗေဒ 51၊ 728–733။ |
| [2] | Hebert LE၊ Weuve။ J , Scherr PA , Evans DA (2013) အယ်လ်ဇိုင်းမားရောဂါ United States (2010-2050) တွင် 2010 သန်းခေါင်စာရင်းကို အသုံးပြု၍ ခန့်မှန်းထားသည်။ အာရုံကြောဗေဒ 80၊ 1778–1783။ |
| [3] | Weuve J , Hebert LE , Scherr PA , Evans DA (2015) ၏အဖြစ်များ အယ်လ်ဇိုင်းမားရောဂါ US ပြည်နယ်များတွင်။ ကူးစက်ရောဂါဗေဒ 26၊ e4–6။ |
| [4] | Brookmeyer R , Abdalla N , Kawas CH , Corrada MM (2018) preclinical နှင့် clinical ၏အဖြစ်များမှုကို ကြိုတင်ခန့်မှန်းခြင်း အယ်လ်ဇိုင်းမားရောဂါ အမေရိကန်မှာ အယ်လ်ဇိုင်းမားရောဂါ ၁၄၊ ၁၂၁–၁၂၉။ |
| [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 ၊ Ashford2013W (XNUMX) စိတ်ကျရောဂါစောင့်ရှောက်မှုကို မြှင့်တင်ပေးခြင်း မှတ်ဥာဏ်ချို့ယွင်းမှုကို စစ်ဆေးခြင်းနှင့် ဖော်ထုတ်ခြင်း၏ အခန်းကဏ္ဍ. အယ်လ်ဇိုင်းမားရောဂါ 9၊ 151–159။ |
| [6] | Loewenstein DA , Curiel RE , Duara R , Buschke H (2018) ဝတ္ထုများအတွက် သိမြင်မှုဆိုင်ရာ ပါရာဒိုင်းများ၊ လက်တွေ့တွင် အယ်လ်ဇိုင်းမားရောဂါရှိ မှတ်ဉာဏ်ချို့ယွင်းမှုကို ရှာဖွေတွေ့ရှိခြင်း။. အကဲဖြတ်ချက် ၂၅၊ ၃၄၈–၃၅၉။ |
| [7] | Thyrian JR , Hoffmann W , Eichler T (2018) အယ်ဒီတာ့အာဘော်- မူလပြုစုစောင့်ရှောက်ရေး- လက်ရှိပြဿနာများနှင့် အယူအဆများတွင် စိတ်ကျရောဂါကို အစောပိုင်းအသိအမှတ်ပြုမှု။ Curr Alzheimer Res 15၊ 2-4။ |
| [8] | Ashford JW (2008) မှတ်ဉာဏ်ချို့ယွင်းမှုများ၊ dementia၊ နှင့် အယ်လ်ဇိုင်းမားရောဂါ. သက်ကြီးရွယ်အို ကျန်းမာရေး ၄၊ ၃၉၉–၄၃၂။ |
| [9] | Yokomizo JE , Simon SS , Bottino CM (2014) အတွက် သိမြင်မှု စိစစ်ခြင်း မူလစောင့်ရှောက်မှုတွင် dementia- စနစ်တကျပြန်လည်သုံးသပ်ခြင်း။ 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) မှ တွေ့ရှိချက်များ National Memory Screening နေ့အစီအစဉ်။ 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- အပျော့စား မှတ်ဥာဏ်ချို့ယွင်းမှုအတွက် အတိုချုံး စစ်ဆေးမှု ကိရိယာ။ J Am Geriatr Soc 53၊ 695–699။ |
| [12] | Ashford JW ၊ Kolm P ၊ Colliver JA ၊ Bekian C ၊ Hsu LN (1989) အယ်လ်ဇိုင်းမားလူနာ အကဲဖြတ်ခြင်းနှင့် အသေးစား စိတ်ပိုင်းဆိုင်ရာ အခြေအနေ- အရာဝတ္တု မျဉ်းကွေး ခွဲခြမ်းစိတ်ဖြာခြင်း။ J Gerontol 44၊ P139–P146။ |
| [13] | Ashford JW ၊ Jarvik L (၁၉၈၅) အယ်လ်ဇိုင်းမားရောဂါ: နျူရွန်ပလပ်စတစ်သည် axonal neurofibrillary ယိုယွင်းခြင်းကို တွန်းအားပေးပါသလား။ N Engl J Med 313၊ 388–389။ |
| [14] | Ashford JW (2015) ကုသမှု အယ်လ်ဇိုင်းမားရောဂါ: cholinergic အယူအဆ၊ neuroplasticity နှင့် အနာဂတ်လမ်းညွှန်ချက်များ၏ အမွေအနှစ်။ J Alzheimers Dis 47၊ 149–156။ |
| [15] | Larner AJ (2015) စွမ်းဆောင်ရည်အခြေခံ သိမြင်မှု စစ်ဆေးမှုတူရိယာများ အချိန်နှင့်တိကျမှုအပေးအယူကို တိုးချဲ့ခွဲခြမ်းစိတ်ဖြာခြင်း။ ရောဂါရှာဖွေရေး (ဘေဆယ်) ၅၊ ၅၀၄–၅၁၂။ |
| [16] | Ashford JW ၊ Shan M ၊ Butler S ၊ Rajasekar A ၊ Schmitt FA (1995) ၏ ယာယီပမာဏ အယ်လ်ဇိုင်းမားရောဂါ ပြင်းထန်မှု- 'အချိန်ညွှန်းကိန်း' မော်ဒယ်။ Dementia 6၊ 269–280။ |
| [17] | Ashford JW , Schmitt FA (2001) ၏ အချိန်-သင်တန်းကို စံပြခြင်း။ အယ်လ်ဇိုင်းမား dementia. Curr စိတ်ရောဂါကု ကိုယ်စားလှယ် ၃၊ ၂၀–၂၈။ |
| [18] | Li K , Chan W , Doody RS , Quinn J , Luo S (2017) သို့ ပြောင်းလဲခြင်း ခန့်မှန်းချက် အယ်လ်ဇိုင်းမားရောဂါ longitudinal တိုင်းတာမှုများနှင့် အချိန်-ဖြစ်ရပ်ဒေတာများဖြင့်။ J Alzheimers Dis 58၊ 361–371။ |
| [19] | Dede E , Zalonis I , Gazonis S , Sakas D (2015) ကွန်ပြူတာများ ပေါင်းစည်းခြင်း ၊ သိမြင်မှု အကဲဖြတ်ခြင်း နှင့် မကြာခဏ အသုံးပြုလေ့ရှိသော ကွန်ပျူတာ ဘက်ထရီများ၏ ကျယ်ကျယ်ပြန့်ပြန့် အဆင့်။ Neurol စိတ်ရောဂါကု ဦးနှောက် 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) စောင့်ကြည့်လေ့လာခြင်း အစောပိုင်းဆိုင်းဘုတ်များ ကွန်ပြူတာဂိမ်းများဖြင့် သက်ကြီးရွယ်အိုများတွင် သိမြင်နိုင်စွမ်းကျဆင်းခြင်း- MRI လေ့လာမှု။ PLoS One 10၊ e0117918။ |
| [21] | Gates NJ , Kochan NA (2015) နှောင်းပိုင်းသိမြင်မှုနှင့် အာရုံကြောဆိုင်ရာရောဂါများအတွက် ကွန်ပျူတာနှင့် အွန်လိုင်းပေါ်ရှိ အာရုံကြောစိတ်ပိုင်းဆိုင်ရာစမ်းသပ်ခြင်း- ကျွန်ုပ်တို့ရှိသေးပါသလား။ Curr Opin စိတ်ရောဂါကု ၂၈၊ ၁၆၅–၁၇၂။ |
| [22] | Zygouris S , Tsolaki M (2015) Computerized cognitive testing ပြုလုပ်ခဲ့ပါတယ်။ သက်ကြီးရွယ်အိုများ- သုံးသပ်ချက် 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) ဦးနှောက်ကနျြးမာရေး အာရုံကြောဆိုင်ရာရောဂါများကို ရှာဖွေစစ်ဆေးခြင်းနှင့် ရောဂါရှာဖွေခြင်းအတွက် အကဲဖြတ်ခြင်း။ J Am Geriatr Soc 66၊ 150–156။ |
| [24] | Shepard RN ၊ Teghtsoonian M (1961) တည်ငြိမ်သော အခြေအနေသို့ ချဉ်းကပ်လာသည့် အခြေအနေများအောက်တွင် သတင်းအချက်အလတ်များကို သိမ်းဆည်းခြင်း။ J Exp Psychol 62၊ 302–309။ |
| [25] | Wixted JT , Goldinger SD , Squire LR , Kuhn JR , Papesh MH , Smith KA , Treiman DM , Steinmetz PN (2018) အတွင်းရှိ အပိုင်းမှတ်ဉာဏ်၏ ကုဒ်နံပါတ် လူ့ hippocampus Proc Natl Acad Sci USA 115၊ 1093–1098။ |
| [26] | Ashford JW ၊ Gere E ၊ Bayley PJ (2011) တိုင်းတာခြင်း။ စဉ်ဆက်မပြတ် အသိအမှတ်ပြုစမ်းသပ်မှုကို အသုံးပြု၍ ကြီးမားသော အုပ်စုဆက်တင်များတွင် မမ်မိုရီ. 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 ဦးနှောက်ကနျြးမာရေး မှတ်ပုံတင်ခြင်း- ခေါ်ယူမှု၊ အကဲဖြတ်မှုနှင့် အာရုံကြောသိပ္ပံလေ့လာမှုများအတွက် ပါဝင်သူများအား ရှည်လျားစွာစောင့်ကြည့်ခြင်းအတွက် အင်တာနက်အခြေခံပလပ်ဖောင်းတစ်ခု။ အယ်လ်ဇိုင်းမားရောဂါ 14၊ 1063–1076။ |
| [28] | Carson N , Leach L , Murphy KJ (2018) Montreal Cognitive Assessment (MoCA) ဖြတ်တောက်မှုရမှတ်များကို ပြန်လည်စစ်ဆေးခြင်း။ Int J Geriatr စိတ်ရောဂါကု ၃၃၊ ၃၇၉–၃၈၈။ |
| [29] | Faul F , Erdfelder E , Buchner A , Lang AG (2009) G*Power 3.1 ကို အသုံးပြု၍ ကိန်းဂဏာန်းခွဲခြမ်းစိတ်ဖြာမှု- ဆက်စပ်မှုနှင့် ဆုတ်ယုတ်မှုခွဲခြမ်းစိတ်ဖြာမှုများအတွက် စမ်းသပ်မှုများ။ Behav Res Methods 41၊ 1149–1160။ |
| [30] | Drasgow F (1986) Polychoric နှင့် polyserial ဆက်စပ်မှုများ။ စာရင်းအင်းသိပ္ပံစွယ်စုံကျမ်းတွင် Kotz S ၊ Johnson NL ၊ Read CB , eds ။ John Wiley & Sons, New York, pp. 68–74။ |
| [31] | Revelle WR (2018) စိတ်ဓာတ်- ကိုယ်ရည်ကိုယ်သွေးနှင့် စိတ်ပိုင်းဆိုင်ရာ သုတေသနလုပ်ထုံးလုပ်နည်းများ။ Northwestern တက္ကသိုလ်၊ Evanston၊ IL၊ USA။ |
| [32] | Robin X , Turck N , Hainard A , Tiberti N , Lisacek F , Sanchez JC , Muller M (2011) pROC- ROC မျဉ်းကြောင်းများကို ခွဲခြမ်းစိတ်ဖြာပြီး နှိုင်းယှဉ်ရန် ROC အတွက် open-source package တစ်ခု။ BMC Bioinformatics 12, 77။ |
| [33] | Fluss R , Faraggi D , Reiser B (2005) Youden Index ၏ ခန့်မှန်းချက် နှင့် ၎င်း၏ ဆက်စပ် ဖြတ်တောက်မှု အမှတ်။ Biom J 47၊ 458–472။ |
| [34] | Youden WJ (1950) အညွှန်းကိန်း ရောဂါရှာဖွေစမ်းသပ်မှုများ။ ကင်ဆာ ၃၊ ၃၂-၃၅။ |
| [35] | Kraemer H (1992) သည် ဆေးဘက်ဆိုင်ရာစစ်ဆေးမှုများ၊ Sage Publications, Inc., Newbury Park, CA ကို အကဲဖြတ်ခြင်း။ |
| [36] | Tsai CF ၊ Lee WJ ၊ Wang SJ ၊ Shia BC ၊ Nasreddine Z ၊ Fuh JL (2012) Montreal Cognitive Assessment (MoCA) ၏ Psychometrics နှင့် ၎င်း၏ အရွယ်အစားခွဲများ- MoCA ၏ ထိုင်ဝမ်ဗားရှင်းကို အတည်ပြုခြင်းနှင့် ပစ္စည်းတုံ့ပြန်မှုသီအိုရီ ခွဲခြမ်းစိတ်ဖြာခြင်း။ Int Psychogeriatr 24၊ 651–658။ |
| [37] | Aschenbrenner AJ ၊ Gordon BA ၊ Benzinger TLS ၊ Morris JC ၊ Hassenstab JJ (2018) tau PET၊ amyloid PET နှင့် hippocampal ထုထည်အပေါ် လွှမ်းမိုးမှု အယ်လ်ဇိုင်းမားရောဂါအတွက် သိမြင်မှု. အာရုံကြောဗေဒ 91၊ e859–e866။ |
| [38] | ပူတင်း။ J , Luostarinen L , Luostarinen M , Pulliainen V , Huhtala H , Soini M , Suhonen J (2016) MoCA နှင့် အခြား သိမြင်မှုဆိုင်ရာ စမ်းသပ်မှုများကို အသုံးပြုခြင်း သည် သက်ကြီးရွယ်အိုများကို ခွဲစိတ်ကုသမှု ခံယူနေသော သက်ကြီးရွယ်အိုများတွင် မှတ်ဥာဏ်ချို့ယွင်းမှုကို အကဲဖြတ်ရန်။ 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) မွန်ထရီရယ် တရုတ်ဗားရှင်းကို အတည်ပြုခြင်း အပျော့စား မှတ်ဥာဏ်ချို့ယွင်းမှုကို စစ်ဆေးရန်အတွက် သိမြင်မှုအကဲဖြတ်ခြင်း အခြေခံ. J Am Geriatr Soc 64၊ e285–e290။ |
| [40] | Borland E , Nagga K , Nilsson PM , Minthon L , Nilsson ED , Palmqvist S (2017) Montreal Cognitive Assessment- ကြီးမားသော ဆွီဒင်လူဦးရေ အခြေပြုအုပ်စုမှ စံပြုဒေတာ။ J Alzheimers Dis 59၊ 893–901။ |
| [41] | Ciesielska N , Sokolowski R , Mazur E , Podhoreka M , Polak-Szabela A , Kedziora-Kornatowska K (2016) သည် Montreal Cognitive Assessment (MoCA) စာမေးပွဲသည် Mini-Mental State Examination ထက် ပိုသင့်တော်သည် (MMSE) အသက် 60 ကျော်သူများကြားတွင် အပျော့စား မှတ်ဥာဏ်ချို့ယွင်းမှု (MCI) ထောက်လှမ်းမှု။ Meta-analysis။ စိတ်ရောဂါ ပေါလ် ၅၀၊ ၁၀၃၉–၁၀၅၂။ |
| [42] | Giebel CM , Challis D (2017) မီနီ-စိတ်ကျန်းမာရေး စာမေးပွဲ၏ အာရုံခံနိုင်စွမ်း၊ မွန်ထရီရယ် သိမြင်မှုအကဲဖြတ်ခြင်းနှင့် Addenbrooke's Cognitive Examination III ကိုနေ့စဉ်လှုပ်ရှားမှု dementia တွင် ချို့ယွင်းချက်များ- စူးစမ်းလေ့လာမှုတစ်ခု။ Int J Geriatr စိတ်ရောဂါကု ၃၂၊ ၁၀၈၅–၁၀၉၃။ |
| [43] | Kopecek M ၊ Bezdicek O ၊ Sulc Z ၊ Lukavsky ။ J , Stepankova H (2017) မွန်ထရီရယ် သိမြင်မှု အကဲဖြတ်ချက် နှင့် Mini-Mental State Examination ကျန်းမာသော သက်ကြီးရွယ်အိုများတွင် ယုံကြည်စိတ်ချရသော ပြောင်းလဲမှုညွှန်းကိန်းများ။ Int J Geriatr စိတ်ရောဂါကု 32၊ 868–875။ |
| [44] | Roalf DR , Moore TM , Mechanic-Hamilton D , Wolk DA , Arnold SE , Weintraub DA , Moberg PJ (2017) အာရုံကြောဆိုင်ရာ ချို့ယွင်းမှုများရှိ သိမြင်မှုဆိုင်ရာ စစ်ဆေးမှုများကို ပေါင်းကူးခြင်း- တိုတောင်းသော Montreal သိမြင်မှု အကဲဖြတ်ခြင်းနှင့် Mini-Mental State Exam အကြား လမ်းကူး အယ်လ်ဇိုင်းမားရောဂါ 13၊ 947-952။ |
| [45] | Solomon TM , deBros GB , Budson AE , Mirkovic N , Murphy CA , Solomon PR (2014) အများအားဖြင့် သိမြင်မှုဆိုင်ရာ လုပ်ဆောင်မှုဆိုင်ရာ တိုင်းတာချက် 5 ခု၏ အပြန်အလှန် ခွဲခြမ်းစိတ်ဖြာခြင်း စိတ်ပိုင်းဆိုင်ရာအခြေအနေ update တစ်ခု။ 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) သက်ကြီးရွယ်အို တရုတ်နမူနာတွင် မှတ်ဥာဏ်ချို့ယွင်းမှုများအတွက် သင့်လျော်သော စစ်ဆေးခြင်းကိရိယာများနှင့် ဖြတ်တောက်ခြင်းအမှတ်များကို သတ်မှတ်ခြင်း။ စိတ်အကဲဖြတ်မှု ၂၈၊ ၁၃၄၅–၁၃၅၃။ |
| [47] | Snowdon A , Hussein A , Kent R , Pino L , Hachinski V (2015) အီလက်ထရွန်းနစ်နှင့် စက္ကူအခြေခံ မွန်ထရီရယ် အသိဥာဏ် အကဲဖြတ်ခြင်း ကိရိယာကို နှိုင်းယှဉ်ခြင်း။ အယ်လ်ဇိုင်းမား Dis Assoc Disord ၂၉၊ ၃၂၅–၃၂၉။ |
| [48] | Eisdorfer C ၊ Cohen D ၊ Paveza GJ ၊ Ashford JW ၊ Luchins DJ ၊ Gorelick PB ၊ Hirschman RS ၊ Freels SA ၊ Levy PS ၊ Semla TP et al. (၁၉၉၂) ကမ္ဘာလုံးဆိုင်ရာ ပျက်စီးယိုယွင်းမှုစကေး၏ ပင်ကိုယ်အကဲဖြတ်ချက် အယ်လ်ဇိုင်းမားရောဂါ. Am J စိတ်ရောဂါကု 149၊ 190–194။ |
| [49] | Butler SM ၊ Ashford JW ၊ Snowdon DA (1996) အသက်အရွယ်၊ ပညာရေးနှင့် အသက်ကြီးသော အမျိုးသမီးများ၏ Mini-Mental State Exam ရမှတ်များတွင် အပြောင်းအလဲများ- Nun Study မှ တွေ့ရှိချက်များ။ J Am Geriatr Soc 44၊ 675–681။ |
| [50] | Schmitt FA ၊ Davis DG ၊ Wekstein DR ၊ Smith CD ၊ Ashford JW ၊ Markesbery WR (2000) "Preclinical" AD မှ ပြန်လည်ကြည့်ရှုခဲ့သည်- မှတ်ဥာဏ်ဆိုင်ရာ ပုံမှန်သက်ကြီးရွယ်အိုများ၏ အာရုံကြောရောဂါဗေဒ။ အာရုံကြောဗေဒ 55၊ 370–376။ |
| [51] | Schmitt FA ၊ Mendiondo MS ၊ Kryscio RJ ၊ Ashford JW (2006) အကျဉ်းချုပ် အယ်လ်ဇိုင်းမား မျက်နှာပြင် လက်တွေ့အလေ့အကျင့်အတွက်။ Res Pract အယ်လ်ဇိုင်းမား Dis 11၊ 1–4။ |
သော့ချက်စာလုံးများ- အယ်လ်ဇိုင်းမားရောဂါ၊ စဉ်ဆက်မပြတ်လုပ်ဆောင်မှုတာဝန်၊ စိတ်ကျရောဂါ၊ သက်ကြီးရွယ်အို၊ မှတ်ဉာဏ်၊ အပျော့စား မှတ်ဥာဏ်ချို့ယွင်းမှု၊ စစ်ဆေးမှု
Related Links များ:
နယူး Finger Tapping Test - Psychomotor Speed Test
စိတ်၏အစားအသောက်- ဦးနှောက်စားနပ်ရိက္ခာ Brain Booster အတွက်
ကိုရိုနာဗိုင်းရပ်ရောဂါလက္ခဏာများ - ဦးနှောက်မြူမှုန်