การทดสอบ MemTrax เมื่อเปรียบเทียบกับการประเมินความรู้ความเข้าใจในมอนทรีออล

ประเภทบทความ: MemTrax การวิจัยศึกษา บทความ

ผู้เขียน: van der Hoek, Marjanne D. | Nieuwenhuizen, อารี | Keijer, Jaap | Ashford, J. Wesson

บริษัท ในเครือ:  มหาวิทยาลัย Stanford, สแตนฟอร์ด, แคลิฟอร์เนีย, สหรัฐอเมริกา - Department of Psychiatry and Behavioral Sciences, Applied Research Center Food and Dairy, Van Hall Larenstein University of Applied Sciences, Leeuwarden, เนเธอร์แลนด์ | สรีรวิทยาของมนุษย์และสัตว์ Wageningen University, Wageningen, เนเธอร์แลนด์ | ศูนย์ศึกษาความเจ็บป่วยและการบาดเจ็บจากสงคราม VA Palo Alto HCS, Palo Alto, CA, USA

ดอย: 10.3233/JAD-181003

วารสาร: วารสารของ โรคอัลไซเมอร์ฉบับ 67 เลขที่ 3, pp. 1045-1054, 2019

นามธรรม

ความบกพร่องทางสติปัญญาเป็นสาเหตุสำคัญของความผิดปกติในผู้สูงอายุ เมื่อไร อ่อนด้อยทางปัญญา (MCI) เกิดขึ้นในผู้สูงอายุ ซึ่งมักเป็นภาวะผิดปกติของสมองเสื่อม Montreal Cognitive Assessment (MoCA) เป็นเครื่องมือที่ใช้กันทั่วไปในการตรวจหา MCI อย่างไรก็ตาม การทดสอบนี้ต้องการการจัดการแบบเห็นหน้ากัน และประกอบด้วยชุดคำถามซึ่งผู้ประเมินรวมคำตอบเข้าด้วยกันเพื่อให้คะแนนที่มีความหมายชัดเจนซึ่งเป็นที่ถกเถียงกัน การศึกษานี้จัดทำขึ้นเพื่อประเมินประสิทธิภาพของคอมพิวเตอร์ ทดสอบหน่วยความจำ (MemTrax) ซึ่งเป็นการดัดแปลงงานการจดจำที่ต่อเนื่อง โดยเกี่ยวข้องกับ MoCA การวัดผลลัพธ์สองรายการถูกสร้างขึ้นจาก การทดสอบ MemTrax: MemTraxspeed และ MemTraxแก้ไข อาสาสมัครได้รับการจัดการ MoCA และ the การทดสอบ MemTrax. จากผลของ MoCA อาสาสมัครถูกแบ่งออกเป็นสองกลุ่มตามสถานะการรับรู้: ความรู้ความเข้าใจปกติ (n = 45) และ MCI (n = 37). คะแนน MemTrax เฉลี่ยใน MCI ต่ำกว่าในกลุ่มความรู้ความเข้าใจปกติอย่างมีนัยสำคัญ ตัวแปรผลลัพธ์ของ MemTrax ทั้งหมดมีความสัมพันธ์เชิงบวกกับ MoCA สองวิธี คำนวณค่าเฉลี่ย คะแนน MemTrax และการถดถอยเชิงเส้นถูกใช้เพื่อประมาณค่าจุดตัดของการทดสอบ MemTrax เพื่อตรวจหา MCI วิธีการเหล่านี้แสดงให้เห็นว่าสำหรับผลลัพธ์ MemTraxความเร็ว คะแนนต่ำกว่าช่วง 0.87 – 91 s-1 เป็นตัวบ่งชี้ของ MCI และสำหรับผลลัพธ์ MemTraxแก้ไข คะแนนต่ำกว่าช่วง 85 – 90% เป็นข้อบ่งชี้สำหรับ MCI

บทนำ

ประชากรทั่วโลก นำโดยยุโรป อเมริกาเหนือ และเอเชียเหนือ กำลังแก่ตัวลง ทำให้สัดส่วนของผู้สูงอายุเพิ่มขึ้นอย่างรวดเร็ว เมื่ออายุมากขึ้น การพัฒนาความบกพร่องทางสติปัญญา ภาวะสมองเสื่อม และ โรคอัลไซเมอร์ (ค.ศ.) ซึ่งส่งผลให้จำนวนผู้ที่มีอาการเหล่านี้เพิ่มขึ้นอย่างมาก การตรวจหาก่อน และการระบุความผิดปกติของความรู้ความเข้าใจสามารถปรับปรุงการดูแลผู้ป่วย ลดค่าใช้จ่ายในการดูแลสุขภาพ และสามารถช่วยในการชะลอการเริ่มต้นของอาการที่รุนแรงมากขึ้น ซึ่งอาจช่วยบรรเทาภาระการพัฒนาอย่างรวดเร็วของภาวะสมองเสื่อมและ AD ดังนั้นจึงจำเป็นต้องมีเครื่องมือที่ดีกว่าในการตรวจสอบการทำงานขององค์ความรู้ในผู้สูงอายุ

เพื่อทำการประเมินทางคลินิกของการทำงานด้านความรู้ความเข้าใจและพฤติกรรมของผู้สูงอายุ แพทย์และนักวิจัยได้พัฒนาเครื่องมือคัดกรองและประเมินผลโดยย่อหลายร้อยรายการ และมีการใช้การทดสอบหลายอย่างร่วมกัน หนึ่งในเครื่องมือที่ใช้บ่อยที่สุดสำหรับการประเมินทางคลินิกของความบกพร่องทางสติปัญญาเล็กน้อย (MCI) ในการตั้งค่าทางวิชาการคือ การประเมินความรู้ความเข้าใจมอนทรีออล (MOCA).

MoCA ประเมินหน้าที่การรับรู้เจ็ดประการ: การบริหาร การตั้งชื่อ ความสนใจ ภาษา สิ่งที่เป็นนามธรรม ความจำ/การเรียกคืนที่ล่าช้า และการปฐมนิเทศ โดเมนหน่วยความจำ/การเรียกคืนล่าช้าและการวางแนวของ MoCA ถูกระบุว่าเป็นรายการที่ละเอียดอ่อนที่สุดสำหรับความบกพร่องทางสติปัญญาประเภทอัลไซเมอร์ในช่วงต้น ซึ่งนำไปสู่แนวคิดที่ว่าการเข้ารหัสหน่วยความจำเป็นปัจจัยพื้นฐานที่โจมตีโดยกระบวนการทางระบบประสาทของ AD ดังนั้น ในเครื่องมือทางคลินิกสำหรับการประเมินความบกพร่องทางสติปัญญาที่เกี่ยวข้องกับ AD ความจำจึงเป็นปัจจัยหลักที่ควรพิจารณา ในขณะที่ความบกพร่องอื่น ๆ รวมถึงความพิการทางสมอง apraxia ภาวะเสียการจดจำและความผิดปกติของผู้บริหาร แม้ว่า AD มักจะหยุดชะงัก กับความผิดปกติของกลไกการประมวลผลหน่วยความจำ neuroplastic ในบริเวณที่รองรับ neocortical

แม้ว่า MoCA จะใช้กันอย่างแพร่หลายในการประเมิน MCI แต่การบริหาร MoCA นั้นทำได้แบบตัวต่อตัว ซึ่งใช้เวลานานและต้องเผชิญหน้าทางคลินิก ดังนั้นจึงต้องใช้ต้นทุนจำนวนมากสำหรับการบริหารแต่ละครั้ง ในระหว่างการประเมิน เวลาที่ใช้ในการทดสอบจะเพิ่มความแม่นยำของการประเมิน ดังนั้นการพัฒนาในอนาคตจึงต้องคำนึงถึงความสัมพันธ์นี้เพื่อพัฒนาการทดสอบที่มีประสิทธิภาพมากขึ้น

ประเด็นสำคัญในพื้นที่นี้คือข้อกำหนดสำหรับการประเมินความรู้ความเข้าใจเมื่อเวลาผ่านไป การประเมินการเปลี่ยนแปลงเมื่อเวลาผ่านไปคือ มีความสำคัญต่อการตรวจจับ และกำหนดความก้าวหน้าของการด้อยค่า ประสิทธิภาพของการรักษา และการประเมินการแทรกแซงการวิจัยเพื่อการรักษา เครื่องมือดังกล่าวที่มีอยู่ส่วนใหญ่ไม่เหมาะสมหรือได้รับการออกแบบมาสำหรับความแม่นยำสูง และไม่สามารถจัดการได้ง่ายเป็นประจำ วิธีแก้ปัญหาเพื่อปรับปรุงการประเมินความรู้ความเข้าใจได้รับการแนะนำว่าให้ใช้คอมพิวเตอร์ แต่ความพยายามดังกล่าวส่วนใหญ่ให้มากกว่าการทดสอบทางประสาทจิตวิทยาที่ใช้กันทั่วไปโดยใช้คอมพิวเตอร์เพียงเล็กน้อยเท่านั้น และยังไม่ได้รับการพัฒนาเพื่อระบุประเด็นสำคัญของการประเมินความรู้ความเข้าใจที่จำเป็นต่อการทำความเข้าใจตั้งแต่เนิ่นๆ ภาวะสมองเสื่อม และความก้าวหน้าของมัน ดังนั้น เครื่องมือประเมินความรู้ความเข้าใจใหม่ควรใช้คอมพิวเตอร์และอิงตามแหล่งการทดสอบที่เปรียบเทียบได้ไม่จำกัด ซึ่งไม่จำกัดด้วยภาษาหรือวัฒนธรรม ซึ่งให้ระดับความแม่นยำ ความแม่นยำ และความน่าเชื่อถือซึ่งสามารถปรับปรุงได้เรื่อยๆ นอกจากนี้ การทดสอบดังกล่าวจะต้องสนุกและมีส่วนร่วม เพื่อให้การทดสอบซ้ำๆ ถือเป็นประสบการณ์เชิงบวกมากกว่าประสบการณ์ที่ยุ่งยาก โดยเฉพาะอย่างยิ่ง การทดสอบออนไลน์นำเสนอศักยภาพในการตอบสนองความต้องการนี้ ในขณะที่ให้การรวบรวมและวิเคราะห์ข้อมูลอย่างรวดเร็ว และให้ข้อเสนอแนะทันทีแก่บุคคล แพทย์ และนักวิจัยที่เข้าร่วม

การศึกษาครั้งนี้ได้รับการออกแบบเพื่อประเมินประโยชน์ของการปรับออนไลน์ของกระบวนทัศน์งานการรับรู้อย่างต่อเนื่อง (CRT) สำหรับการประเมินการทำงานด้านความรู้ความเข้าใจในประชากรของบุคคลที่อาศัยอยู่ในชุมชนที่ไม่ได้รับการระบุว่ามีภาวะสมองเสื่อม กระบวนทัศน์ CRT ถูกนำมาใช้อย่างกว้างขวางในทางวิชาการ การศึกษาหน่วยความจำ กลไก แนวทาง CRT ถูกนำมาใช้เป็นครั้งแรกในฐานะเครื่องมือสาธิตผู้ชมที่ให้ข้อมูลเกี่ยวกับบุคคลที่สนใจ ปัญหาหน่วยความจำ. ต่อจากนั้น การทดสอบนี้ดำเนินการทางออนไลน์โดยบริษัทฝรั่งเศส (HAPPYneuron, Inc.); โดยบริษัทในสหรัฐอเมริกา MemTrax, LLC (http://www.memtrax.com); โดยสมอง สุขภาพ Registry พัฒนาโดย Dr. Michael Weiner, UCSF และทีมงานของเขาเพื่อสนับสนุนการรับสมัครเพื่อการศึกษาเกี่ยวกับความบกพร่องทางสติปัญญา และโดยบริษัทจีน SJN Biomed, LTD) การทดสอบนี้ ณ เดือนมิถุนายน 2018 ได้รับข้อมูลจากผู้ใช้มากกว่า 200,000 ราย และอยู่ระหว่างการทดลองในหลายประเทศ

ในการศึกษาปัจจุบัน MemTrax (MTX) ซึ่งเป็นการทดสอบแบบ CRT ได้ใช้ร่วมกับ MoCA ในประชากรสูงอายุที่อาศัยอยู่อย่างอิสระในเนเธอร์แลนด์ตอนเหนือ วัตถุประสงค์ของการศึกษานี้คือการกำหนดความสัมพันธ์ระหว่างประสิทธิภาพในการใช้งาน CRT และ MoCA คำถามคือว่า MTX จะมีประโยชน์สำหรับการประเมินการทำงานขององค์ความรู้ที่ประเมินโดย MoCA หรือไม่ ซึ่งอาจบ่งบอกถึงการบังคับใช้ทางคลินิกที่อาจเกิดขึ้น

วัสดุและวิธีการ

ประชากรที่ศึกษา

ระหว่างเดือนตุลาคม พ.ศ. 2015 ถึงเดือนพฤษภาคม พ.ศ. 2016 มีการศึกษาภาคตัดขวางในกลุ่มผู้สูงอายุที่อาศัยอยู่ในชุมชนทางตอนเหนือของเนเธอร์แลนด์ อาสาสมัคร (≥75y) ได้รับคัดเลือกผ่านการแจกใบปลิวและในระหว่างการประชุมกลุ่มที่จัดสำหรับผู้สูงอายุ ผู้มีโอกาสเป็นอาสาสมัครได้รับการเยี่ยมที่บ้านเพื่อคัดกรองเกณฑ์การคัดเข้าและคัดออกก่อนที่จะลงทะเบียนในการศึกษานี้ อาสาสมัครที่ได้รับความเดือดร้อนจากภาวะสมองเสื่อม (รายงานด้วยตนเอง) หรือผู้ที่มีการมองเห็นหรือการได้ยินบกพร่องอย่างรุนแรงซึ่งจะมีอิทธิพลต่อการบริหารการทดสอบความรู้ความเข้าใจไม่ได้รับอนุญาตให้เข้าร่วมในการศึกษานี้ นอกจากนี้ ผู้เข้าอบรมจำเป็นต้องสามารถพูดและเข้าใจภาษาดัตช์และไม่รู้หนังสือ การศึกษาได้ดำเนินการตามคำประกาศของเฮลซิงกิในปี พ.ศ. 1975 และผู้เข้าร่วมทั้งหมดได้ลงนามใน ความยินยอม แบบฟอร์มหลังจากได้รับคำอธิบายโดยละเอียดของการศึกษา

ขั้นตอนการศึกษา

หลังจากลงทะเบียนในการศึกษาแล้ว ได้มีการจัดทำแบบสอบถามทั่วไป ซึ่งรวมถึงคำถามเกี่ยวกับปัจจัยทางประชากรศาสตร์ เช่น อายุและปีการศึกษา (เริ่มต้นที่โรงเรียนประถมศึกษา) ประวัติทางการแพทย์ และการบริโภคเครื่องดื่มแอลกอฮอล์ หลังจากเสร็จสิ้นแบบสอบถาม การทดสอบ MoCA และ MTX ได้รับการสุ่มตามลำดับ

เมมแทร็กซ์ - ศูนย์วิจัยการแพทย์

โดยได้รับความอนุเคราะห์จาก MemTrax, LLC (เรดวูดซิตี, แคลิฟอร์เนีย, สหรัฐอเมริกา) การทดสอบ MTX เวอร์ชันเต็มฟรีถูกจัดเตรียมไว้ ในการทดสอบนี้ จะแสดงชุดภาพ 50 ภาพในแต่ละภาพสูงสุดสามวินาที เมื่อภาพที่ซ้ำกันปรากฏขึ้น (25/50) ผู้เข้าร่วมจะได้รับคำสั่งให้ตอบสนองต่อภาพที่ซ้ำโดยเร็วที่สุดโดยกดแป้นเว้นวรรค (ซึ่งระบุด้วยเทปสีแดง) เมื่อตัวแบบตอบสนองต่อรูปภาพ รูปภาพถัดไปจะแสดงขึ้นทันที หลังจากเสร็จสิ้นการทดสอบ โปรแกรมจะแสดงเปอร์เซ็นต์ของการตอบสนองที่ถูกต้อง (MTXแก้ไข) และเวลาตอบสนองเฉลี่ยในหน่วยวินาทีสำหรับภาพที่ซ้ำกัน ซึ่งสะท้อนถึงเวลาที่จำเป็นในการกดแป้นเว้นวรรคเมื่อจดจำภาพที่ซ้ำกัน เพื่อให้ตรงกับขนาดของการวัดทั้งสองนี้ เวลาตอบสนองถูกแปลงเป็นความเร็วปฏิกิริยา (MTXความเร็ว) โดยหาร 1 ด้วยเวลาปฏิกิริยา (เช่น 1/MTXเวลาการเกิดปฏิกิริยา). ประวัติการทดสอบของคะแนน MemTrax แต่ละรายการและความถูกต้องจะถูกบันทึกโดยอัตโนมัติทางออนไลน์ในบัญชีทดสอบ ความถูกต้องของการทดสอบที่ดำเนินการทั้งหมดได้รับการตรวจสอบ โดยต้องมีการตอบสนองที่เป็นเท็จ 5 หรือน้อยกว่า การรู้จำที่ถูกต้อง 10 ครั้งขึ้นไป และเวลาการรับรู้เฉลี่ยระหว่าง 0.4 ถึง 2 วินาที และรวมเฉพาะการทดสอบที่ถูกต้องเท่านั้นในการวิเคราะห์

ก่อนทำการทดสอบ MTX จริง การทดสอบได้อธิบายอย่างละเอียดและจัดแบบทดสอบฝึกหัดให้กับอาสาสมัคร ซึ่งรวมถึงไม่เพียงแต่การทดสอบเท่านั้น แต่ยังรวมถึงคำแนะนำและหน้านับถอยหลังเพื่อให้ผู้เข้าร่วมคุ้นเคยกับเลย์เอาต์ของไซต์และการดำเนินการเบื้องต้นที่จำเป็นก่อนเริ่มการทดสอบ เพื่อหลีกเลี่ยงไม่ให้รูปภาพซ้ำระหว่างการทดสอบจริง รูปภาพที่ไม่รวมอยู่ในฐานข้อมูล MemTrax ถูกใช้สำหรับการทดสอบฝึกหัด

การประเมินความรู้ความเข้าใจของมอนทรีออล เครื่องมือ

ได้รับอนุญาตจาก MoCA Institute & Clinique (ควิเบก แคนาดา) ให้ใช้ MoCA สำหรับการวิจัยนี้ Dutch MoCA มีให้เลือกสามรุ่น ซึ่งสุ่มให้อาสาสมัคร คะแนน MoCA คือผลรวมของประสิทธิภาพในแต่ละโดเมนความรู้ความเข้าใจที่แยกกันประเมินและมีคะแนนสูงสุด 30 คะแนน ตามคำแนะนำอย่างเป็นทางการ คะแนนเพิ่มเติมจะถูกเพิ่มหากผู้เข้าร่วมมีการศึกษา ≤12 ปี (ถ้า <30 คะแนน) คำแนะนำในการทดสอบอย่างเป็นทางการถูกใช้เป็นแนวทางในระหว่างดำเนินการทดสอบ การทดสอบดำเนินการโดยนักวิจัยที่ได้รับการฝึกอบรมสามคนและการทดสอบหนึ่งครั้งใช้เวลาประมาณ 10 ถึง 15 นาที

การวิเคราะห์ข้อมูล MemTrax

จากผลของ MoCA ซึ่งได้รับการแก้ไขเพื่อการศึกษา อาสาสมัครถูกแบ่งออกเป็นสองกลุ่มของสถานะทางปัญญา: ความรู้ความเข้าใจปกติ (NC) กับความบกพร่องทางสติปัญญาเล็กน้อย (MCI) คะแนน MoCA ที่ 23 ถูกใช้เป็นจุดตัดของ MCI (คะแนนที่ 22 และต่ำกว่าถือเป็น MCI) เนื่องจากพบว่าคะแนนนี้แสดง 'ความแม่นยำในการวินิจฉัยที่ดีที่สุดในช่วงของพารามิเตอร์ต่างๆ' โดยรวมเมื่อเทียบกับคะแนนที่แนะนำในขั้นต้นของ 26 หรือค่า 24 หรือ 25 สำหรับการวิเคราะห์ทั้งหมด คะแนน MoCA ที่แก้ไขจะถูกใช้เนื่องจากคะแนนนี้ใช้ในการตั้งค่าทางคลินิก

การทดสอบ MTX ให้ผลลัพธ์สองประการคือ MTXเวลาการเกิดปฏิกิริยาซึ่งถูกแปลงเป็น MTXความเร็ว โดย 1/MTXเวลาการเกิดปฏิกิริยาและ MTXแก้ไข.

การวิเคราะห์ทางสถิติดำเนินการโดยใช้ R (เวอร์ชัน 1.0.143, Rstudio Team, 2016) ความปกติถูกตรวจสอบสำหรับตัวแปรทั้งหมดโดยการทดสอบ Shapiro-Wilk ตัวแปรของประชากรที่ศึกษาทั้งหมด และของกลุ่ม NC และ MCI ถูกรายงานเป็นค่าเฉลี่ย±ส่วนเบี่ยงเบนมาตรฐาน (SD) ค่ามัธยฐานและช่วงระหว่างควอไทล์ (IQR) หรือเป็นตัวเลขและเปอร์เซ็นต์ การทดสอบ T-test ตัวอย่างอิสระและการทดสอบ Wilcoxon Sum Rank สำหรับตัวแปรต่อเนื่องและการทดสอบ Chi-squared สำหรับตัวแปรหมวดหมู่ได้ดำเนินการเพื่อเปรียบเทียบลักษณะของกลุ่ม NC และ MCI การทดสอบ Kruskal-Wallis แบบไม่อิงพารามิเตอร์ถูกใช้เพื่อพิจารณาว่า MoCA ทั้งสามเวอร์ชันและผู้ดูแลระบบสามคนส่งผลต่อผลลัพธ์ของ MoCA หรือไม่ นอกจากนี้ ได้ทำการทดสอบ T-test หรือ Wilcoxon Sum Rank อิสระเพื่อพิจารณาว่าลำดับการบริหาร MoCA และ MTX ส่งผลต่อผลการทดสอบหรือไม่ (เช่น คะแนน MoCA, MTXแก้ไขและ MTXความเร็ว). ดำเนินการโดยพิจารณาว่าคะแนนเฉลี่ยแตกต่างกันสำหรับผู้ที่ได้รับ MoCA ก่อน จากนั้นจึง MemTrax หรือผู้ที่ได้รับ MTX ก่อนแล้วจึงได้รับ MoCA

ความสัมพันธ์ของเพียร์สัน การทดสอบได้รับการคำนวณเพื่อประเมินความสัมพันธ์ระหว่าง MTX และ MoCA และระหว่าง MemTrax ทั้งสอง ผลการทดสอบ เช่น MTXspeed และ MTXcorrect การคำนวณขนาดตัวอย่างที่ดำเนินการก่อนหน้านี้แสดงให้เห็นว่าสำหรับการทดสอบสหสัมพันธ์เพียร์สันแบบด้านเดียว (กำลัง = 80 % , α = 0.05) ด้วยสมมติฐานของขนาดเอฟเฟกต์ปานกลาง (r = 0.3) จำเป็นต้องมีขนาดตัวอย่างต่ำสุดที่ n = 67 การทดสอบความสัมพันธ์แบบ Polyserial ถูกคำนวณเพื่อประเมินความสัมพันธ์ระหว่างผลการทดสอบ MTX และโดเมน MoCA ที่แยกจากกันโดยใช้แพ็คเกจ psych ใน R

คะแนน MoCA ที่เทียบเท่ากันสำหรับคะแนน MemTrax ที่กำหนด คำนวณโดยการคำนวณคะแนน MemTrax เฉลี่ยสำหรับคะแนน MoCA ที่เป็นไปได้แต่ละรายการ และดำเนินการถดถอยเชิงเส้นเพื่อประเมินสมการที่เกี่ยวข้องกับการวัดเหล่านี้ นอกจากนี้ เพื่อกำหนดค่าลัดของการทดสอบ MemTrax สำหรับ MCI ที่วัดโดย MoCA และค่าความไวและค่าความจำเพาะที่สอดคล้องกัน การวิเคราะห์ตัวดำเนินการผู้รับ (ROC) ได้ดำเนินการโดยใช้แพ็คเกจ pROC ใน R การบูตสแตรปแบบแบ่งชั้นแบบไม่อิงพารามิเตอร์ (n = 2000) ใช้เพื่อเปรียบเทียบพื้นที่ใต้เส้นโค้ง (AUC) และช่วงความเชื่อมั่นที่สอดคล้องกัน คะแนนตัดที่ดีที่สุดคำนวณด้วยวิธี Youden ซึ่งเพิ่มผลบวกที่แท้จริงให้สูงสุดในขณะที่ลดผลบวกลวงให้น้อยที่สุด

สำหรับการวิเคราะห์ทางสถิติทั้งหมด ค่า p สองด้านที่ <0.05 ถือเป็นเกณฑ์สำหรับนัยสำคัญทางสถิติ ยกเว้นการวิเคราะห์เพื่อประเมินความสัมพันธ์ระหว่าง MTX และ MoCA (เช่น การวิเคราะห์สหสัมพันธ์และการถดถอยเชิงเส้นอย่างง่าย) ซึ่งค่าหนึ่ง- ค่า p ด้านที่ <0.05 ถือว่ามีนัยสำคัญ

ผลลัพธ์ MemTrax

Subjects

รวม 101 วิชาในการศึกษานี้ ข้อมูล 19 คนไม่รวมอยู่ในการวิเคราะห์ เนื่องจากโปรแกรมไม่ได้บันทึกผลการทดสอบ MemTrax จาก 12 คนในโปรแกรม อาสาสมัคร 6 คนมีผลการทดสอบ MemTrax ที่ไม่ถูกต้อง และ 8 คนมีคะแนน MoCA 82 คะแนน แสดงถึงความบกพร่องทางสติปัญญาขั้นรุนแรง ซึ่งก็คือ เกณฑ์การยกเว้น ดังนั้นข้อมูลจาก XNUMX คนจึงรวมอยู่ในการวิเคราะห์ ไม่พบความแตกต่างที่มีนัยสำคัญในผลการทดสอบ MoCA ระหว่าง MoCA เวอร์ชันต่างๆ และระหว่างผู้ดูแลระบบ นอกจากนี้ ลำดับการบริหารการทดสอบไม่มีผลอย่างมีนัยสำคัญต่อคะแนนการทดสอบใดๆ (MoCA, MTXความเร็ว,เอ็มทีเอ็กซ์แก้ไข). จากผลการทดสอบ MoCA อาสาสมัครอยู่ในกลุ่ม NC หรือ MCI (เช่น MoCA ≥ 23 หรือ MoCA <23 ตามลำดับ) ลักษณะของเรื่องสำหรับประชากรที่ศึกษาทั้งหมด และกลุ่ม NC และ MCI แสดงไว้ในตารางที่ 1 ไม่มีความแตกต่างที่มีนัยสำคัญระหว่างกลุ่ม ยกเว้นคะแนนเฉลี่ย MoCA (25 (IQR: 23 - 26) เทียบกับ 21 (IQR: 19 - 22) ) คะแนน Z = -7.7, p <0.001)

ตารางที่ 1

ลักษณะของวิชา

ประชากรที่ศึกษาทั้งหมด (n = 82) นอร์ทแคโรไลนา (n = 45) เอ็มซีไอ (n = 37) p
อายุ (ปี) ±ฮิตฮิต ±ฮิตฮิต ±ฮิตฮิต 0.074
หญิง หมายเลข (%) 55 (67) 27 (60) 28 (76) 0.133
การศึกษา (ป) 10.0 (8.0 - 13.0) 11.0 (8.0 - 14.0) 10.0 (8.0 - 12.0) 0.216
ปริมาณแอลกอฮอล์ (# แก้ว/สัปดาห์) 0 (0 - 4) 0 (0 - 3) 0 (0 - 5) 0.900
คะแนน MoCA (# คะแนน) 23 (21 - 25) 25 (23 - 26) 21 (19 - 22) na

ค่าจะแสดงเป็นค่าเฉลี่ย± sd ค่ามัธยฐาน (IQR) หรือเป็นตัวเลขที่มีเปอร์เซ็นต์

สถานะทางปัญญาวัดโดย MemTrax

สถานะทางปัญญาวัดโดยการทดสอบ MTX รูปที่ 1 แสดงผลของ การทดสอบความรู้ความเข้าใจ ผลลัพธ์ของวิชา NC และ MCI คะแนน MTX เฉลี่ย (เช่น MTXความเร็ว และ MTXแก้ไข) มีความแตกต่างกันอย่างมีนัยสำคัญระหว่างทั้งสองกลุ่ม วิชา NC (0.916 ± 0.152 วินาที-1) มีความเร็วปฏิกิริยาเร็วกว่าอย่างมีนัยสำคัญเมื่อเทียบกับกลุ่มตัวอย่าง MCI (0.816 ± 0.146 s-1); เสื้อ(80) = 3.01, p = 0.003) (รูปที่ 1A) นอกจากนี้ วิชา NC มีคะแนน MTX . ดีกว่าแก้ไข ตัวแปรมากกว่าวิชา MCI (91.2 ± 5.0% เทียบกับ 87.0 ± 7.7% ตามลำดับ; tw (59) = 2.89, p = 0.005) (รูปที่ 1B)

Fig.1

Boxplots ของผลการทดสอบ MTX สำหรับกลุ่ม NC และ MCI ก) MTXความเร็ว ผลการทดสอบและ B) MTXแก้ไข ผลการทดสอบ. ตัวแปรผลลัพธ์ทั้งสองของการทดสอบ MTX นั้นต่ำกว่าอย่างมีนัยสำคัญในกลุ่ม MCI เมื่อเทียบกับ NC สีเทาอ่อนหมายถึงตัวแบบ NC ในขณะที่สีเทาเข้มหมายถึงตัวแบบ MCI

การประเมินความรู้ความเข้าใจในมอนทรีออล, การทดสอบความจำออนไลน์, การทดสอบความรู้ความเข้าใจ, การทดสอบสมอง, โรคอัลไซเมอร์และภาวะสมองเสื่อม, MemTrax

Boxplots ของผลการทดสอบ MTX สำหรับกลุ่ม NC และ MCI A) ผลการทดสอบความเร็ว MTX และ B) ผลการทดสอบที่ถูกต้องของ MTX ตัวแปรผลลัพธ์ทั้งสองของการทดสอบ MemTrax นั้นต่ำกว่าอย่างมีนัยสำคัญในกลุ่ม MCI เมื่อเทียบกับ NC สีเทาอ่อนหมายถึงตัวแบบ NC ในขณะที่สีเทาเข้มหมายถึงตัวแบบ MCI

ความสัมพันธ์ระหว่าง MemTrax และ MOCA

ความสัมพันธ์ระหว่างคะแนนการทดสอบ MTX และ MoCA แสดงในรูปที่ 2 ตัวแปร MTX ทั้งสองมีความสัมพันธ์เชิงบวกกับ MoCA MTXความเร็ว และ MoCA แสดงความสัมพันธ์อย่างมีนัยสำคัญของ r = 0.39 (p = 0.000) และความสัมพันธ์ระหว่าง MTXแก้ไข และ MoCA คือ r = 0.31 (p = 0.005) ไม่มีความสัมพันธ์ระหว่าง MTXความเร็ว และ MTXแก้ไข.

Fig.2

ความสัมพันธ์ระหว่าง A) MTXความเร็ว และ MoCA; ข) MTXแก้ไข และ MoCA; ค) MTXแก้ไข และ MTXความเร็ว. วิชา NC และ MCI จะแสดงด้วยจุดและสามเหลี่ยมตามลำดับ ที่มุมล่างขวาของแต่ละกราฟ ค่า rho และค่า p ที่สอดคล้องกันจะแสดงความสัมพันธ์ระหว่างตัวแปรทั้งสอง

หน่วยความจำออนไลน์ การทดสอบหน่วยความจำฟรี การทดสอบอัลไซเมอร์ การทดสอบภาวะสมองเสื่อมแบบออนไลน์

ความสัมพันธ์ระหว่าง A) MTXspeed และ MoCA; B) MTXcorrect และ MoCA; C) MTXcorrect และ MTXspeed วิชา NC และ MCI จะแสดงด้วยจุดและสามเหลี่ยมตามลำดับ ที่มุมล่างขวาของแต่ละกราฟ ค่า rho และค่า p ที่สอดคล้องกันจะแสดงความสัมพันธ์ระหว่างตัวแปรทั้งสอง

ความสัมพันธ์ระหว่าง A) MTXspeed และ MoCA; B) MTXcorrect และ MoCA; C) MTXcorrect และ MTXspeed วิชา NC และ MCI จะแสดงด้วยจุดและสามเหลี่ยมตามลำดับ ที่มุมล่างขวาของแต่ละกราฟ ค่า rho และค่า p ที่สอดคล้องกันจะแสดงความสัมพันธ์ระหว่างตัวแปรทั้งสอง[/caption]

ความสัมพันธ์แบบ Polyserial คำนวณระหว่างคะแนนการทดสอบ MemTrax และโดเมน MoCA เพื่อกำหนดความสัมพันธ์ของแต่ละโดเมนกับเมตริก MemTrax ความสัมพันธ์แบบ polyserial แสดงในตารางที่ 2 หลายโดเมนของ MoCA มีความสัมพันธ์อย่างมีนัยสำคัญกับ MTXความเร็ว .  โดเมน “นามธรรม” แสดงความสัมพันธ์สูงสุด แม้จะอยู่ในระดับปานกลาง กับ MTXความเร็ว (r = 0.35, p = 0.002) โดเมน "การตั้งชื่อ" และ "ภาษา" แสดงให้เห็นถึงความสัมพันธ์ที่มีนัยสำคัญที่อ่อนแอถึงปานกลางกับ MTXความเร็ว (r = 0.29, p = 0.026 และ r = 0.27, p = 0.012 ตามลำดับ) MTXแก้ไข ไม่มีความเกี่ยวข้องอย่างมีนัยสำคัญกับโดเมน MoCA ยกเว้นความสัมพันธ์ที่อ่อนแอกับโดเมน “visuospatial” (r = 0.25, p = 0.021)

ตารางที่ 2

ความสัมพันธ์แบบ Polyserial ของผลการทดสอบ MTX กับโดเมน MoCA

MTXความเร็ว MTXแก้ไข
r p r p
ทัศนวิสัย 0.22 0.046 0.25 0.021
การตั้งชื่อ 0.29 0.026 0.24 0.063
ความสนใจ 0.24 0.046 0.09 0.477
ภาษา 0.27 0.012 0.160 0.165
สิ่งที่เป็นนามธรรม 0.35 0.002 0.211 0.079
จำ 0.15 0.159 0.143 0.163
ปฐมนิเทศ 0.21 0.156 0.005 0.972

หมายเหตุ: ความสัมพันธ์ที่มีนัยสำคัญจะแสดงเป็นตัวหนา

คะแนน MemTrax และค่าตัดโดยประมาณสำหรับ MCI

ในการพิจารณาคะแนนที่สอดคล้องกันของ MemTrax และ MoCA คะแนน MemTrax ของคะแนน MoCA แต่ละรายการจะถูกหาค่าเฉลี่ยและคำนวณการถดถอยเชิงเส้นเพื่อทำนายความสัมพันธ์และสมการที่เกี่ยวข้อง ผลการถดถอยเชิงเส้นระบุว่า MTXความเร็ว อธิบาย 55% ของความแปรปรวนใน MoCA (R2 = 0.55, p = 0.001). ตัวแปร MTXแก้ไข อธิบาย 21% ของความแปรปรวนใน MoCA (R2 = 0.21, p = 0.048) จากสมการของความสัมพันธ์เหล่านี้ คะแนน MoCA ที่เทียบเท่ากันถูกคำนวณสำหรับคะแนน MTX ที่กำหนด ซึ่งแสดงในตารางที่ 3 จากสมการเหล่านี้ ค่าจุดตัดที่สอดคล้องกัน (เช่น คะแนน MoCA 23 คะแนน) สำหรับ MTXความเร็ว และ MTXแก้ไข คือ 0.87 s-1 และ 90% นอกจากนี้ ยังได้ดำเนินการถดถอยเชิงเส้นพหุคูณของตัวแปร MemTrax ทั้งสองตัว แต่ตัวแปร MTXแก้ไข ไม่มีส่วนสำคัญต่อแบบจำลอง ดังนั้นจึงไม่แสดงผลลัพธ์

ตารางที่ 3

คะแนน MoCA ที่เทียบเท่าที่แนะนำสำหรับคะแนน MemTrax ที่กำหนด

MoCA (คะแนน) เทียบเท่าMTXความเร็ว (s-1)a CI ของการทำนายด้วย MTXความเร็ว (คะแนน) เทียบเท่าMTXแก้ไข (%)b CI ของการทำนายด้วย MTXแก้ไข (คะแนน)
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

aสมการที่ใช้: 1.1 + 25.2 *MTXความเร็ว; b สมการที่ใช้: –9.7 + 0.36 *MTXแก้ไข.

นอกจากนี้ ค่าจุดตัด MTX และความไวและความจำเพาะที่สอดคล้องกันถูกกำหนดผ่านการวิเคราะห์ ROC เส้นโค้ง ROC ของตัวแปร MemTrax แสดงในรูปที่ 3 AUC สำหรับ MTXความเร็ว และ MTXแก้ไข ตามลำดับ คือ 66.7 (CI: 54.9 – 78.4) และ 66.4% (CI: 54.1 – 78.7) AUC ของตัวแปร MemTrax ที่ใช้ในการประเมิน MCI ที่กำหนดโดย MoCA นั้นไม่แตกต่างกันอย่างมีนัยสำคัญ ตารางที่ 4 แสดงความไวและความจำเพาะของจุดตัดต่าง ๆ ของตัวแปร MemTrax คะแนนตัดที่ดีที่สุด ซึ่งเพิ่มผลบวกที่แท้จริงให้สูงสุดในขณะที่ลดผลบวกลวงให้น้อยที่สุดสำหรับ MTXความเร็ว และ MTXแก้ไข เท่ากับ 0.91 s-1 (ความไว = ความจำเพาะ 48.9% = 78.4%) และ 85% (ความไว = 43.2%; ความจำเพาะ = 93.3%) ตามลำดับ

Fig.3

กราฟ ROC ของผลการทดสอบ MTX เพื่อประเมิน MCI ที่จัดอันดับโดย MoCA เส้นประหมายถึง MTXความเร็ว และเส้นทึบ MTXแก้ไข. เส้นสีเทาแสดงถึงเส้นอ้างอิง 0.5

การทดสอบออนไลน์สำหรับการทดสอบทางการแพทย์ที่สูญเสียความทรงจำที่คุณสามารถทำได้ที่บ้าน ความสำคัญของหนังสือ การทดสอบสุขภาพสมอง

กราฟ ROC ของผลการทดสอบ MTX เพื่อประเมิน MCI ที่จัดอันดับโดย MoCA เส้นประหมายถึง MTXspeed และเส้นทึบ MTXcorrect เส้นสีเทาแสดงถึงเส้นอ้างอิง 0.5

ตารางที่ 4

MTXความเร็ว และ MTXแก้ไข จุดตัดและความจำเพาะและความไวที่สอดคล้องกัน

จุดตัด ทีพี (#) ตัน (#) เอฟพี (#) ฟน (#) ความจำเพาะ (%) ความไว (%)
MTXความเร็ว 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
MTXแก้ไข 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 บวกจริง; tn ลบจริง; fp, ผลบวกลวง; fn ลบเท็จ

อภิปราย

การศึกษานี้จัดทำขึ้นเพื่อตรวจสอบเครื่องมือออนไลน์ MemTrax ซึ่งเป็นการทดสอบแบบ CRT โดยใช้ MoCA เป็นข้อมูลอ้างอิง MoCA ได้รับเลือกเนื่องจากการทดสอบนี้ใช้กันอย่างแพร่หลายในปัจจุบันเพื่อคัดกรอง MCI อย่างไรก็ตาม ยังไม่มีการกำหนดจุดตัดที่เหมาะสมที่สุดสำหรับ MoCA อย่างชัดเจน [28] การเปรียบเทียบมาตรการส่วนบุคคลของ MemTrax กับ MoCA แสดงให้เห็นว่าการทดสอบแบบออนไลน์ที่สั้นและง่ายสามารถจับสัดส่วนที่สำคัญของความแปรปรวนในการทำงานของความรู้ความเข้าใจและความบกพร่องทางสติปัญญา ในการวิเคราะห์นี้ เห็นผลมากที่สุดสำหรับมาตรวัดความเร็ว การวัดความถูกต้องแสดงให้เห็นความสัมพันธ์ที่แน่นแฟ้นน้อยกว่า การค้นพบที่สำคัญคือไม่พบความสัมพันธ์ระหว่างการวัดความเร็ว MTX และการวัดความถูกต้อง ซึ่งบ่งชี้ว่าตัวแปรเหล่านี้วัดองค์ประกอบต่างๆ ฟังก์ชั่นการประมวลผลของสมอง. ดังนั้นจึงไม่พบข้อบ่งชี้ของการแลกเปลี่ยนความแม่นยำของความเร็วในทุกวิชา นอกจากนี้ มีการใช้สองวิธีที่ต่างกันในการประมาณค่าจุดตัดของการทดสอบหน่วยความจำ MemTrax เพื่อตรวจหา MCI วิธีการเหล่านี้แสดงให้เห็นว่าสำหรับความเร็วและความถูกต้องของผลลัพธ์ คะแนนต่ำกว่าช่วง 0.87 – 91 วินาทีตามลำดับ-1 และ 85 – 90% เป็นข้อบ่งชี้ว่าบุคคลที่มีคะแนนต่ำกว่าช่วงใดช่วงหนึ่งมีแนวโน้มที่จะมี MCI "การวิเคราะห์ความคุ้มค่าคุ้มราคา" จะระบุจุดใดที่บุคคลควรได้รับคำแนะนำให้ปรึกษาแพทย์เกี่ยวกับการดำเนินการทดสอบที่ครอบคลุมมากขึ้นเพื่อคัดกรอง MCI [8-35]

ในการศึกษาปัจจุบัน พบว่าโดเมน "การตั้งชื่อ" "ภาษา" และ "นามธรรม" ที่วัดโดย MoCA มีความสัมพันธ์สูงสุดกับหนึ่งในผลลัพธ์ของ MemTrax แม้ว่าสหสัมพันธ์จะอ่อนถึงปานกลาง สิ่งนี้ตรงกันข้ามกับสิ่งที่คาดไว้ เนื่องจากการศึกษาก่อนหน้านี้แสดงให้เห็นในการตรวจสอบ การสอบสภาพจิตขนาดเล็ก โดยใช้ Item Response Theory ว่าโดเมน "หน่วยความจำ/การเรียกคืนที่ล่าช้า" และ "การวางแนว" นั้นไวต่อการเกิด AD ในช่วงต้นมากที่สุด [12] ตรงนี้มาก ช่วงแรก ๆ ของความผิดปกติทางการรับรู้ ปรากฏว่าตัวบ่งชี้ MoCA ของความบกพร่องเล็กน้อยในการตั้งชื่อ ภาษา และสิ่งที่เป็นนามธรรมนั้นไวต่อ MCI มากกว่าการวัดความจำและการวางแนว ซึ่งสอดคล้องกับการค้นพบก่อนหน้านี้ในการวิเคราะห์ทฤษฎีการตอบสนองตามรายการของ MoCA [36] นอกจากนี้ การวัดความเร็วการจดจำของ MemTrax ดูเหมือนจะสะท้อนถึงการด้อยค่าในช่วงต้นนี้ก่อนหน่วยความจำการจดจำ ตามที่วัดโดย MTX (ซึ่งมีผลกระทบเพดานอย่างมีนัยสำคัญ) กลุ่มดาวนี้ ผลกระทบแสดงให้เห็นว่าแง่มุมที่ซับซ้อนของพยาธิสภาพที่ก่อให้เกิด MCI สะท้อนถึงสมองส่วนต้น การเปลี่ยนแปลงซึ่งยากต่อการสร้างมโนทัศน์ด้วยแนวทางการรับรู้ทางระบบประสาทอย่างง่าย และอาจสะท้อนถึงความก้าวหน้าของพยาธิวิทยาพื้นฐาน [37]

จุดแข็งในการศึกษาปัจจุบันคือขนาดกลุ่มตัวอย่าง (n = 82) มากเกินพอที่จะตรวจพบความสัมพันธ์ระหว่าง MoCA และ MTX ในประชากรที่ค่อนข้างเก่ากลุ่มนี้ นอกจากนี้ยังมีการทดสอบปฏิบัติกับทุกวิชาเพื่อให้ผู้สูงอายุที่ไม่คุ้นเคยกับคอมพิวเตอร์มีโอกาสปรับตัวให้เข้ากับสภาพแวดล้อมการทดสอบและอุปกรณ์ เมื่อเทียบกับ MoCA อาสาสมัครระบุว่า MemTrax นั้นสนุกกว่าที่จะทำ ในขณะที่ MoCA รู้สึกเหมือนเป็นการสอบมากกว่า อายุของอาสาสมัครและความเป็นอิสระของชุมชนจำกัดจุดเน้นของการวิเคราะห์เฉพาะกลุ่มที่ได้รับการคัดเลือกจากบุคคลที่ทำงานค่อนข้างสูง แต่กลุ่มนี้เป็นกลุ่มที่ยากที่สุดในการระบุความบกพร่อง

แม้ว่าจะได้รับการพิจารณาว่าเป็นการตรวจคัดกรองมาตรฐาน แต่ MoCA เป็นเพียงการทดสอบเพื่อระบุการมีอยู่ของ MCI เท่านั้น ไม่ใช่เครื่องมือวินิจฉัยหรือการวัดความผิดปกติทางการรับรู้อย่างสมบูรณ์ ดังนั้น การเปรียบเทียบ MoCA และ MTX นั้นสัมพันธ์กัน และมีความเป็นไปได้ที่ทั้งคู่จะบันทึกความแปรปรวนอิสระในการระบุ MCI ดังนั้น ประเด็นสำคัญในวรรณกรรมคือความพยายามที่จะกำหนดประโยชน์ของ MoCA [38] การตรวจสอบความถูกต้อง [39] การกำหนดคะแนนเชิงบรรทัดฐาน [40] การเปรียบเทียบกับการประเมินความรู้ความเข้าใจโดยย่ออื่น ๆ [41–45] และยูทิลิตี้เป็นเครื่องมือคัดกรองสำหรับ MCI [46] (ตรวจสอบโดย Carson et al., 2017 [28]) เช่นเดียวกับการบังคับใช้ของเวอร์ชันอิเล็กทรอนิกส์ [47] การวิเคราะห์ดังกล่าวเกี่ยวข้องกับการตรวจสอบความไวและความจำเพาะ โดยปกติจะใช้การวิเคราะห์ ROC กับการวัด "พื้นที่ใต้เส้นโค้ง" และคำแนะนำของจุดตัดสำหรับ "การวินิจฉัย" อย่างไรก็ตาม ในกรณีที่ไม่มีวิธีการใด ๆ ในการพิจารณาอย่างแน่ชัดว่าบุคคลใดอยู่บนความต่อเนื่องของการด้อยค่าเล็กน้อย ร่วมกับความแปรปรวนอย่างมากในปัจจัยพื้นฐาน ฟังก์ชั่นสมอง เครื่องมือดังกล่าวทั้งหมดสามารถให้การประมาณค่าความน่าจะเป็นได้เท่านั้น การให้ความสัมพันธ์ระหว่างมาตรการต่างๆ แสดงให้เห็นว่าเงื่อนไขพื้นฐานกำลังได้รับการแก้ไขอย่างถูกต้อง แต่ไม่สามารถกำหนดสถานะทางชีวภาพที่แท้จริงได้อย่างแม่นยำด้วยวิธีนี้ แม้ว่าการวิเคราะห์ในระดับที่สูงขึ้นจะมีประโยชน์จริงในสถานพยาบาล แต่การจัดตั้งยูทิลิตี้ดังกล่าวจำเป็นต้องพิจารณาปัจจัยสี่เพิ่มเติม ได้แก่ ความชุกของภาวะในประชากร ต้นทุนของการทดสอบ ต้นทุนของผลบวกปลอม และประโยชน์ที่สำคัญของการวินิจฉัยในเชิงบวกที่แท้จริง [8, 35]

สาขา ส่วนหนึ่งของปัญหาในการประเมิน AD และความบกพร่องทางสติปัญญาที่เกี่ยวข้องคือไม่มีอยู่จริง “ระยะ” [48] แต่เป็นความต่อเนื่องชั่วคราวของความก้าวหน้า [8, 17, 49] ความแตกต่างของ "ปกติ" จาก MCI นั้นยากกว่าการแยกแยะเงื่อนไขเหล่านี้จากเงื่อนไขที่ไม่รุนแรง ภาวะสมองเสื่อมที่เกี่ยวข้อง ด้วยพุทธศักราช [50, 51] การใช้แนวคิดของ "ทฤษฎีการทดสอบสมัยใหม่" ประเด็นนี้กลายเป็นการพิจารณาว่าบุคคลใดมีแนวโน้มที่จะอยู่ในช่วงความเชื่อมั่นใดช่วงหนึ่งบนความต่อเนื่องมากที่สุด โดยให้คะแนนการทดสอบเฉพาะ ในการตัดสินใจดังกล่าว จำเป็นต้องมีการประเมินที่แม่นยำกว่าแบบทดสอบความรู้ความเข้าใจสั้นๆ ส่วนใหญ่ แต่แบบทดสอบดังกล่าวจัดทำโดย MTX ความแม่นยำที่เพิ่มขึ้นและการกำจัดอคติของผู้สังเกตการณ์ด้วยการทดสอบด้วยคอมพิวเตอร์เป็นทิศทางที่มีแนวโน้ม นอกจากนี้ การทดสอบด้วยคอมพิวเตอร์ เช่น MemTrax ยังให้ความเป็นไปได้ในการทดสอบเปรียบเทียบได้ไม่จำกัดจำนวน ซึ่งช่วยลดความแปรปรวนของการประมาณการด้อยค่าได้อย่างมาก นอกจากนี้ ตามหลักการแล้ว การทดสอบด้วยคอมพิวเตอร์สามารถทดสอบโดเมนที่เกี่ยวข้องกับหน่วยความจำจำนวนมากที่ได้รับผลกระทบจาก AD การศึกษานี้ไม่ได้เปรียบเทียบ MTX กับการทดสอบด้วยคอมพิวเตอร์อื่นๆ จำนวนมากที่ถูกสร้างขึ้น (ดูบทนำ) แต่จนถึงขณะนี้ยังไม่มีการทดสอบใดที่ใช้วิธีอันทรงพลังที่เสนอโดย CRT การพัฒนาเพิ่มเติมของการทดสอบด้วยคอมพิวเตอร์เป็นพื้นที่สำคัญสำหรับความสนใจและการสนับสนุนเพิ่มเติม ในที่สุด, ผลการฝึก สามารถนำมาประกอบการวิเคราะห์ได้

ในขณะนี้ การทดสอบออนไลน์ด้วยคอมพิวเตอร์ยังไม่ใช่แนวทางที่กำหนดไว้ หน้าจอสำหรับภาวะสมองเสื่อมประเมินความบกพร่องทางสติปัญญาหรือทำการวินิจฉัยทางคลินิก อย่างไรก็ตาม พลังและศักยภาพของแนวทางนี้ โดยเฉพาะอย่างยิ่งการใช้ CRT เพื่อประเมินความจำแบบเหตุการณ์ (ระยะสั้น) นั้นมีอยู่มหาศาลและมีแนวโน้มที่จะมีความสำคัญอย่างยิ่งต่อการประยุกต์ใช้การประเมินความรู้ความเข้าใจในอนาคต ซึ่งรวมถึง คัดกรองภาวะสมองเสื่อม และการประเมิน, การติดตามอาการสับสนหลังการผ่าตัด, การสร้างความสามารถทางจิตสำหรับการตัดสินใจ, การตรวจจับการขาดดุลหลังการถูกกระทบกระแทก, และการประเมินความบกพร่องที่อาจเกิดขึ้นเพื่อความปลอดภัยในการขับขี่ ในการศึกษานี้แสดงให้เห็นว่า MemTrax สามารถจับสัดส่วนของความแปรปรวนของความบกพร่องทางสติปัญญาได้อย่างมีนัยสำคัญ นอกจากนี้ ค่าคัตออฟจะแสดงสำหรับตัวแปร MTX ที่เท่ากับคะแนนคัตออฟของ MoCA สำหรับ MCI สำหรับการวิจัยในอนาคต ขอแนะนำให้ตรวจสอบในกลุ่มประชากรที่มีขนาดใหญ่ขึ้นและชัดเจนยิ่งขึ้น เพื่อสร้าง MemTrax เป็นเครื่องมือคัดกรองสำหรับ MCI ประชากรดังกล่าวควรรวมตัวอย่างทางคลินิกที่สามารถระบุปัญหาการวินิจฉัยได้อย่างแม่นยำที่สุดเท่าที่จะเป็นไปได้ และสามารถติดตามอาสาสมัครเมื่อเวลาผ่านไปด้วย MTX และการทดสอบความรู้ความเข้าใจอื่นๆ การวิเคราะห์ดังกล่าวสามารถระบุความผันแปรในวิถีของการลดลงของความรู้ความเข้าใจ ซึ่งเกี่ยวข้องกับทั้งความชราตามปกติและสภาวะทางพยาธิสภาพต่างๆ ในขณะที่การทดสอบด้วยคอมพิวเตอร์และการลงทะเบียนพัฒนาขึ้น ข้อมูลมากขึ้นเกี่ยวกับระดับของ สุขภาพจะพร้อมใช้งานและนำไปสู่การปรับปรุงด้านการดูแลสุขภาพอย่างไม่ต้องสงสัย และหวังว่าจะมีแนวทางป้องกันภาวะเช่น AD

กิตติกรรมประกาศ

เราขอขอบคุณ Anne van der Heijden, Hanneke Rasing, Esther Sinnema และ Melinda Lodders สำหรับงานของพวกเขาในการศึกษาครั้งนี้ นอกจากนี้ เราขอขอบคุณ MemTrax, LLC ที่ให้การทดสอบ MemTrax เวอร์ชันเต็มฟรี งานนี้เป็นส่วนหนึ่งของโครงการวิจัย ซึ่งได้รับทุนสนับสนุนจาก Province of Fryslân (01120657) เนเธอร์แลนด์ และ Alfasigma Nederland BV (เงินช่วยเหลือโดยตรงหมายเลข 01120657) เผยแพร่เมื่อ: 12 กุมภาพันธ์ 2019

ข้อมูลอ้างอิง

[1] Jorm AF, Jolley D (1998) อุบัติการณ์ของภาวะสมองเสื่อม: การวิเคราะห์อภิมาน. ประสาทวิทยา 51, 728–733.
[2] เฮเบิร์ต แอล. วีฟ. เจ เชอร์ พีเอ อีแวนส์ ดีเอ (2013) โรคอัลไซเมอร์ ในสหรัฐอเมริกา (พ.ศ. 2010-2050) ประมาณโดยใช้การสำรวจสำมะโนประชากร พ.ศ. 2010 ประสาทวิทยา 80, 1778–1783.
[3] เรา J , Hebert LE , Scherr PA , Evans DA (2015) ความชุกของ โรคอัลไซเมอร์ ในรัฐต่างๆ ของสหรัฐอเมริกา ระบาดวิทยา 26, e4–6.
[4] Brookmeyer R , Abdalla N , Kawas CH , Corrada MM (2018) การพยากรณ์ความชุกของพรีคลินิกและทางคลินิก โรคอัลไซเมอร์ ในสหรัฐอเมริกา. สมองเสื่อม 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) การปรับปรุงการดูแลภาวะสมองเสื่อม: the บทบาทของการคัดกรองและตรวจหาความบกพร่องทางสติปัญญา. สมองเสื่อม 9, 151–159.
[6] Loewenstein DA , Curiel RE , Duara R , Buschke H (2018) กระบวนทัศน์ความรู้ความเข้าใจใหม่สำหรับ การตรวจหาความจำเสื่อมในโรคอัลไซเมอร์ระยะพรีคลินิก. การประเมิน 25, 348–359.
[7] Thyrian JR , Hoffmann W , Eichler T (2018) บทบรรณาธิการ: การรับรู้ภาวะสมองเสื่อมในระยะเริ่มแรกในประเด็นและแนวคิดในปัจจุบันของการดูแลเบื้องต้น Curr Alzheimer Res 15, 2–4.
[8] Ashford JW (2008) การคัดกรองความผิดปกติของความจำ ภาวะสมองเสื่อม และ โรคอัลไซเมอร์. สุขภาพผู้สูงอายุ 4, 399–432.
[9] Yokomizo JE , Simon SS , Bottino CM (2014) การตรวจคัดกรองความรู้ความเข้าใจสำหรับ ภาวะสมองเสื่อมในการดูแลเบื้องต้น: การทบทวนอย่างเป็นระบบ 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) ข้อค้นพบจากการ การคัดกรองการระลึกชาติ โปรแกรมวัน. J Am Geriatr สังคม 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: เครื่องมือคัดกรองสั้นๆ สำหรับความบกพร่องทางสติปัญญาเล็กน้อย J Am Geriatr Soc 53, 695–699.
[12] Ashford JW , Kolm P , Colliver JA , Bekian C , Hsu LN (1989) การประเมินผู้ป่วยอัลไซเมอร์และสภาวะทางจิตขนาดเล็ก: การวิเคราะห์เส้นโค้งลักษณะรายการ เจ เจรอนทอล 44, P139–P146
[13] แอชฟอร์ด เจดับบลิว , จาร์วิค แอล (1985) โรคอัลไซเมอร์: ความเป็นพลาสติกของเซลล์ประสาทมีแนวโน้มที่จะเกิดการเสื่อมของเส้นใยประสาทแอกซอนหรือไม่? N Engl J Med 313, 388–389.
[14] Ashford JW (2015) การรักษา โรคอัลไซเมอร์: มรดกของสมมติฐาน cholinergic, neuroplasticity และทิศทางในอนาคต เจ อัลไซเมอร์ ดิส 47, 149–156.
[15] Larner AJ (2015) การรับรู้ตามประสิทธิภาพ เครื่องมือคัดกรอง: การวิเคราะห์เพิ่มเติมของเวลาเทียบกับการแลกเปลี่ยนความแม่นยำ การวินิจฉัย (บาเซิล) 5, 504–512.
[16] Ashford JW , Shan M , Butler S , Rajasekar A , Schmitt FA (1995) การหาปริมาณชั่วคราวของ โรคอัลไซเมอร์ ความรุนแรง: โมเดล 'ดัชนีเวลา' ภาวะสมองเสื่อม 6, 269–280.
[17] Ashford JW , Schmitt FA (2001) สร้างแบบจำลองหลักสูตรเวลาของ ภาวะสมองเสื่อมอัลไซเมอร์. Curr จิตเวชศาสตร์ ตัวแทน 3, 20–28
[18] Li K , Chan W , Doody RS , Quinn J , Luo S (2017) การทำนายการแปลงเป็น โรคอัลไซเมอร์ ด้วยมาตรการระยะยาวและข้อมูลเวลาถึงเหตุการณ์ เจ อัลไซเมอร์ ดิส 58, 361–371.
[19] Dede E , Zalonis I , Gatzonis S , Sakas D (2015) การบูรณาการคอมพิวเตอร์ในการประเมินความรู้ความเข้าใจและระดับความครอบคลุมของแบตเตอรี่คอมพิวเตอร์ที่ใช้บ่อย 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) การตรวจสอบ สัญญาณเริ่มต้น ของการลดลงของความรู้ความเข้าใจในผู้สูงอายุจากเกมคอมพิวเตอร์: การศึกษา MRI โปรดหนึ่ง 10, e0117918
[21] Gates NJ , Kochan NA (2015) การทดสอบทางประสาทวิทยาด้วยคอมพิวเตอร์และออนไลน์สำหรับการรับรู้ในช่วงปลายชีวิตและความผิดปกติของระบบประสาท: เราไปถึงแล้วหรือยัง? Curr Opin Psychiatry 28, 165–172.
[22] Zygouris S, Tsolaki M (2015) การทดสอบความรู้ความเข้าใจด้วยคอมพิวเตอร์สำหรับ ผู้สูงอายุ: รีวิว Am J Alzheimers Dis Demen อื่น 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) เดอะ สุขภาพสมอง การประเมินเพื่อตรวจหาและวินิจฉัยความผิดปกติของระบบประสาท J Am Geriatr สังคม 66, 150–156.
[24] Shepard RN , Teghtsoonian M (1961) การเก็บรักษาข้อมูลภายใต้สภาวะที่เข้าใกล้สถานะคงตัว J Exp Psychol 62, 302–309.
[25] Wixted JT , Goldinger SD , ​​Squire LR , Kuhn JR , Papesh MH , Smith KA , Treiman DM , Steinmetz PN (2018) การเข้ารหัสหน่วยความจำเป็นตอนๆ ใน เป็นมนุษย์ ฮิปโปแคมปัส Proc Natl Acad Sci สหรัฐอเมริกา 115, 1093–1098
[26] Ashford JW , Gere E , Bayley PJ (2011) การวัด หน่วยความจำในการตั้งค่ากลุ่มใหญ่โดยใช้การทดสอบการจดจำอย่างต่อเนื่อง. เจ อัลไซเมอร์ ดิส 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) สุขภาพสมอง Registry: แพลตฟอร์มบนอินเทอร์เน็ตสำหรับการรับสมัคร การประเมิน และการติดตามระยะยาวของผู้เข้าร่วมการศึกษาด้านประสาทวิทยา โรคอัลไซเมอร์ 14, 1063–1076
[28] Carson N , Leach L , Murphy KJ (2018) การตรวจสอบคะแนนการประเมินความรู้ความเข้าใจของมอนทรีออล (MoCA) อีกครั้ง จิตเวชศาสตร์ Int J Geriatr 33, 379–388
[29] Faul F , Erdfelder E , Buchner A , Lang AG (2009) การวิเคราะห์กำลังทางสถิติโดยใช้ G*Power 3.1: การทดสอบสำหรับการวิเคราะห์สหสัมพันธ์และการถดถอย วิธีพฤติกรรม Res 41, 1149–1160
[30] Drasgow F (1986) ความสัมพันธ์แบบ Polychoric และ polyserial ในสารานุกรมวิทยาศาสตร์สถิติ Kotz S , Johnson NL , Read CB , eds John Wiley & Sons, New York, pp. 68–74.
[31] Revelle WR (2018) psych: ขั้นตอนสำหรับการวิจัยบุคลิกภาพและจิตวิทยา มหาวิทยาลัยนอร์ทเวสเทิร์น อีแวนสตัน อิลลินอยส์ สหรัฐอเมริกา
[32] Robin X , Turck N , Hainard A , Tiberti N , Lisacek F , Sanchez JC , Muller M (2011) pROC: แพ็คเกจโอเพ่นซอร์สสำหรับ R และ S+ เพื่อวิเคราะห์และเปรียบเทียบเส้นโค้ง ROC BMC ชีวสารสนเทศ 12, 77.
[33] Fluss R , Faraggi D , Reiser B (2005) การประมาณค่าดัชนี Youden และจุดตัดที่เกี่ยวข้อง ไบโอม เจ 47, 458–472.
[34] Youden WJ (1950) ดัชนีสำหรับการทดสอบการวินิจฉัยการให้คะแนน มะเร็ง 3, 32–35.
[35] Kraemer H (1992) การประเมินการทดสอบทางการแพทย์, Sage Publications, Inc., Newbury Park, CA
[36] Tsai CF , Lee WJ , Wang SJ , Shia BC , Nasreddine Z , Fuh JL (2012) Psychometrics of the Montreal Cognitive Assessment (MoCA) และมาตราส่วนย่อย: การตรวจสอบความถูกต้องของ MoCA เวอร์ชันไต้หวันและการวิเคราะห์ทฤษฎีการตอบสนองรายการ Int Psychogeriatr 24, 651–658
[37] Aschenbrenner AJ , Gordon BA , Benzinger TLS , Morris JC , Hassenstab JJ (2018) อิทธิพลของ tau PET, amyloid PET และปริมาณฮิปโปแคมปัสต่อ ความรู้ความเข้าใจในโรคอัลไซเมอร์. ประสาทวิทยา 91, e859–e866.
[38] ปูสติเนน. J , Luostarinen L , Luostarinen M , Pulliainen V , Huhtala H , Soini M , Suhonen J (2016) การใช้ MoCA และการทดสอบความรู้ความเข้าใจอื่น ๆ ในการประเมินความบกพร่องทางสติปัญญาในผู้ป่วยสูงอายุที่ได้รับการผ่าตัดเปลี่ยนข้อเทียม 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) การตรวจสอบมอนทรีออลเวอร์ชั่นภาษาจีน การประเมินความรู้ความเข้าใจขั้นพื้นฐานเพื่อคัดกรองความบกพร่องทางสติปัญญาเล็กน้อย. J Am Geriatr สังคม 64, e285–e290.
[40] Borland E , Nagga K , Nilsson PM , Minthon L , Nilsson ED , Palmqvist S (2017) การประเมินความรู้ความเข้าใจของมอนทรีออล: ข้อมูลเชิงบรรทัดฐานจากกลุ่มประชากรตามประชากรในสวีเดนจำนวนมาก เจ อัลไซเมอร์ ดิส 59, 893–901
[41] Ciesielska N , Sokolowski R , Mazur E , Podhorecka M , Polak-Szabela A , Kedziora-Kornatowska K (2016) การทดสอบการประเมินความรู้ความเข้าใจของมอนทรีออล (MoCA) เหมาะสมกว่าการทดสอบสภาพจิตแบบย่อ (มมส) ในการตรวจหาความบกพร่องทางสติปัญญาระดับเล็กน้อย (MCI) ในผู้ที่มีอายุมากกว่า 60 ปี? การวิเคราะห์อภิมาน จิตแพทย์ 50, 1039–1052.
[42] Giebel CM, Challis D (2017) ความไวของการตรวจสภาพจิตขนาดเล็ก, มอนทรีออล การประเมินความรู้ความเข้าใจและการตรวจสอบความรู้ความเข้าใจของ Addenbrooke III สำหรับกิจกรรมประจำวัน ความบกพร่องในภาวะสมองเสื่อม: การศึกษาเชิงสำรวจ จิตเวชศาสตร์ Int J Geriatr 32, 1085–1093.
[43] Kopecek M , Bezdicek O , Sulc Z , Lukavsky. J , Stepankova H (2017) การประเมินความรู้ความเข้าใจของมอนทรีออลและการตรวจสภาพจิตแบบย่อ ดัชนีการเปลี่ยนแปลงที่เชื่อถือได้ในผู้สูงอายุที่มีสุขภาพดี จิตเวชศาสตร์ Int J Geriatr 32, 868–875
[44] Roalf DR , Moore TM , Mechanic-Hamilton D , Wolk DA , Arnold SE , Weintraub DA , Moberg PJ (2017) Bridging การทดสอบการคัดกรองความรู้ความเข้าใจในความผิดปกติของระบบประสาท: ทางม้าลายระหว่างการประเมินความรู้ความเข้าใจในมอนทรีออลสั้น ๆ และการตรวจสภาพจิตขนาดเล็ก อัลไซเมอร์ ภาวะสมองเสื่อม 13, 947–952
[45] Solomon TM , deBros GB , Budson AE , Mirkovic N , Murphy CA , Solomon PR (2014) การวิเคราะห์สหสัมพันธ์ของ 5 การวัดที่ใช้กันทั่วไปของการทำงานทางปัญญาและ สถานะทางจิต: การปรับปรุง. Am J Alzheimers Dis Demen อื่น 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) การกำหนดเครื่องมือคัดกรองที่เหมาะสมและจุดตัดสำหรับความบกพร่องทางสติปัญญาในกลุ่มตัวอย่างชาวจีนสูงอายุ Psychol ประเมิน 28, 1345–1353
[47] Snowdon A , Hussein A , Kent R , Pino L , Hachinski V (2015) การเปรียบเทียบเครื่องมือประเมินความรู้ความเข้าใจของมอนทรีออลแบบอิเล็กทรอนิกส์และแบบกระดาษ อัลไซเมอร์ ดิส แอสโซค ดิสคอร์ด 29, 325–329.
[48] Eisdorfer C , Cohen D , Paveza GJ , Ashford JW , Luchins DJ , Gorelick PB , Hirschman RS , Freels SA , Levy PS , Semla TP และคณะ (1992) การประเมินเชิงประจักษ์ของ Global Deterioration Scale สำหรับการแสดงละคร โรคอัลไซเมอร์. Am J จิตเวชศาสตร์ 149, 190–194.
[49] Butler SM , Ashford JW , Snowdon DA (1996) อายุ การศึกษา และการเปลี่ยนแปลงในคะแนนสอบ Mini-Mental State ของสตรีที่มีอายุมากกว่า: ผลการวิจัยจาก Nun Study J Am Geriatr Soc 44, 675–681.
[50] Schmitt FA , Davis DG , Wekstein DR , Smith CD , Ashford JW , Markesbery WR (2000) "Preclinical" AD ทบทวนอีกครั้ง: neuropathology ของผู้สูงอายุที่มีความรู้ความเข้าใจตามปกติ ประสาทวิทยา 55, 370–376
[51] Schmitt FA , Mendiondo MS , Kryscio RJ , Ashford JW (2006) บทสรุป หน้าจออัลไซเมอร์ สำหรับการปฏิบัติทางคลินิก Res Pract Alzheimers Dis 11, 1–4.

คำสำคัญ: โรคอัลไซเมอร์ การปฏิบัติงานต่อเนื่อง ภาวะสมองเสื่อม ผู้สูงอายุ ความจำ ความบกพร่องทางสติปัญญาเล็กน้อย การตรวจคัดกรอง