Une approche d'apprentissage automatique pour concevoir un dépistage sélectif efficace de l'affaiblissement cognitif léger
Summary
Cette méthodologie produit des arbres de décision qui ciblent les groupes de population plus enclins à souffrir d’une déficience cognitive légère et sont utiles pour le dépistage sélectif rentable de la maladie.
Abstract
L’affaiblissement cognitif doux (MCI) est le premier signe de démence parmi des populations âgées et son détection tôt est crucial dans nos sociétés vieillissantes. Les tests mcI courants prennent beaucoup de temps, de sorte que le dépistage massif sans discrimination ne serait pas rentable. Ici, nous décrivons un protocole qui utilise des techniques d’apprentissage automatique pour sélectionner rapidement les candidats pour une présélection ultérieure par le biais d’un test MCI basé sur les questions. Cela minimise le nombre de ressources nécessaires pour le dépistage, car seuls les patients potentiellement positifs à l’ICM sont testés davantage.
Cette méthodologie a été appliquée dans une étude de recherche initiale MCI qui a formé le point de départ pour la conception d’un arbre de décision de dépistage sélectif. L’étude initiale a recueilli de nombreuses variables démographiques et de style de vie ainsi que des détails sur les médicaments pour les patients. Le Questionnaire sur l’état mental portatif court (SPMSQ) et le Mini-Mental State Examination (MMSE) ont été utilisés pour détecter d’éventuels cas d’ICM. Enfin, nous avons utilisé cette méthode pour concevoir un processus efficace pour classer les personnes à risque de MCI. Ce travail fournit également un aperçu des facteurs liés au mode de vie associés à l’ICM qui pourraient être mis à profit dans la prévention et la détection précoce de l’ICM chez les populations âgées.
Introduction
Le vieillissement de la population augmente la prévalence des maladies chroniques et dégénératives, en particulier les démences dégénératives, qui devraient toucher plus de 131 millions de personnes dans le monde d’ici 20501. Parmi toutes les démences dégénératives, la maladie d’Alzheimer (MA) est la plus fréquente avec une prévalence globale en Europe de 6,88 %2. En raison de l’indépendance toujours en déclin des patients atteints de la MA, ce groupe devrait commencer à recevoir du soutien dès que la MA commence à se manifester. Par conséquent, la détection tôt des signes prodromiques de l’AI, tels que l’affaiblissement cognitif doux (MCI), est essentielle.
MCI est défini comme un stade de déclin cognitif intermédiaire correspondant au vieillissement normal et à la détérioration grave due à la démence3. Selon les estimations de Petersen et coll.4, la prévalence de l’ICM est de 8,4 % chez les personnes âgées de 65 à 69 ans et atteint 25,2 % chez les personnes âgées de plus de 80 ans. L’ICM entraîne des difficultés plus grandes que prévu dans l’exécution des compétences cognitives de bas niveau, en particulier celles liées à la mémoire et au langage, mais n’interfère pas avec les activités de la vie quotidienne.
Le dépistage n’est pas synonyme de diagnostic; le diagnostic de MCI sera toujours une tâche clinique tandis que les méthodes de criblage peuvent seulement nous informer qu’un patient a une plus grande probabilité de souffrir de cette pathologie et qu’il y a un soupçon fondé de MCI qui devrait être confirmé médicalement. Ainsi, les travailleurs de la santé primaire (médecins, pharmaciens, infirmières, etc.) pourraient bénéficier de la disponibilité de méthodes de dépistage simples (tests cognitifs brefs) qui peuvent être appliquées en quelques minutes. Idéalement, ceux-ci identifieraient objectivement les patients présentant une forte probabilité de souffrir d’un MCI de sorte qu’ils puissent alors être médicalement examinés par des médecins généraux ou spécialisés.
Étant donné que la détection précoce de l’ICM devient une tâche essentielle dans le contexte de la santé publique, ce travail visait à identifier les caractéristiques qui sont utiles dans l’identification ciblée de l’ICM dans les tests de dépistage des populations âgées. Ces groupes seraient ensuite testés plus minutieusement pour l’ICM dans les tests administrés par les fournisseurs de soins de santé primaires. Cette méthodologie fournit à un arbre de décision les algorithmes appropriés pour identifier les groupes de population à cibler.
Parmi ces caractéristiques, l’âge est l’un des facteurs les plus constants associés au développement de cette pathologie. D’autres caractéristiques pertinentes sont liées à la démographie ou au mode de vie5. Parmi ces derniers, certaines études ont identifié la durée du sommeil diurne ou nocturne comme un facteur de risque qui peut conduire au diagnostic de MCI5,6,7,8,9. La consommation prolongée de médicaments tels que les benzodiazépines, consommées par environ 20%-25% des personnes âgées10,11, peut également influencer les heures de sommeil et le développement de MCI12,13. En effet, les traitements prolongés pour les maladies chroniques peuvent être des caractéristiques importantes utiles dans la présélection des personnes présentant un risque élevé de souffrir de MCI.
Ici, nous avons développé des modèles basés sur des données qui utilisent des algorithmes d’apprentissage automatique, un arbre de décision et un outil prédictif pour augmenter l’efficacité de la méthodologie de détection de l’ICM en discriminant les caractéristiques qui jouent un rôle important au début détection de MCI. L’arbre de décision qui en a résulté présenté ici a été produit à l’aide d’une cohorte spécifique de patients espagnols utilisant des pharmacies communautaires. Cependant, cette méthode serait également utile parmi d’autres populations ayant des caractéristiques différentes.
Ce travail a été réalisé en collaboration avec des médecins de première santé et des médecins spécialisés. Les pharmacies communautaires étaient idéales pour tester cet algorithme parce qu’elles sont proches des patients, ont de longues heures d’ouverture et sont fréquemment visitées et consultées. Les démences dégénératives sont des affections complexes qui ne sont pas toujours bien comprises par les fournisseurs de soins de santé primaires14. Par conséquent, s’impliquer dans le processus permettra de sensibiliser les gens souffrant de MCI et les démences.
Protocol
Representative Results
Discussion
Après avoir cherché des termes associés à L’ICM dans les études Cochrane dans la base de données PubMed, un questionnaire spécifique a été créé pour cette étude qui a utilisé les variables les plus évidentes avec une association prouvée avec MCI. Des facteurs démographiques, de mode de vie et sociaux, ainsi que la pharmacothérapie du patient et certaines pathologies pertinentes ont également été enregistrés. De plus, les tests MCI SPMSQ et MMSE ont également été sélectionnés. Fait important, le …
Disclosures
The authors have nothing to disclose.
Acknowledgements
Ce travail a été rendu possible grâce au soutien de la Fondation Know Alzheimer et à l’aide du service de production multimédia de l’Universidad CEU Cardenal Herrera, en particulier Enrique Giner. Nous tenons à souligner le travail de toutes les pharmacies participantes (SEFAC), et les médecins collaborateurs de la Société des médecins de soins primaires (SEMERGEN) et la Société de neurologie (SVN) qui ont aidé avec les diagnostics MCI, en particulier Vicente Gassull, Rafael et Jordi Pérez. Enfin, nous remercions tous ceux qui ont accepté de participer à cette étude.
Materials
| caret | Max Kuhn | R package | |
| rpart | Terry Therneau, Beth Atkinson, Brian Ripley | R package | |
| SPMSQ in Spanish | Farmaceuticoscomunitarios.org | http://farmaceuticoscomunitarios.org/anexos/vol11_n1/ANEXO1.pdf | |
| SPMSQ in English | geriatrics.stanford.edu | https://geriatrics.stanford.edu/culturemed/overview/assessment/assessment_toolkit/spmsq.html | |
| MMSE in Spanish | Farmaceuticoscomunitarios.org | http://farmaceuticoscomunitarios.org/anexos/vol11_n1/ANEXO2.pdf | |
| MMSE in English | oxfordmedicaleducation.com | http://www.oxfordmedicaleducation.com/geriatrics/mini-mental-state-examination-mmse/ |
References
- . World Alzheimer report 2016: improving healthcare for people living with dementia: coverage, quality and costs now and in the future Available from: https://scholar.google.com/scholar.bib?q=info:mEGpcpLHEIMJ:scholar.google.com (2016)
- Niu, H., Álvarez-Álvarez, I., Guillén-Grima, F., Aguinaga-Ontoso, I. Prevalence and incidence of Alzheimer’s disease in Europe: A meta-analysis. Neurología (English Edition). 32 (8), 523-532 (2017).
- Petersen, R. C., et al. Mild Cognitive Impairment: Clinical Characterization and Outcome. Archives of Neurology. 56 (3), 303 (1999).
- Petersen, R. C., et al. Practice guideline update summary: Mild cognitive impairment: Report of the Guideline Development, Dissemination, and Implementation Subcommittee of the American Academy of Neurology. Neurology. 90 (3), 126-135 (2018).
- Climent, M. T., Vilaplana, A. M., Arnedo, A., Vilar, J., Moreno-Royo, L. Life styles associated cognitive impairment. Study from the community pharmacy [Estilos de vida asociados a deterioro cognitivo. Estudio preliminar desde la farmacia comunitaria]. Revista de Investigacion Clinica. 65 (6), 500-509 (2013).
- Faubel, R., et al. Usual sleep duration and cognitive function in older adults in Spain. Journal of Sleep Research. 18 (4), 427-435 (2009).
- Benito-León, J., Louis, E. D., Bermejo-Pareja, F. Cognitive decline in short and long sleepers: A prospective population-based study (NEDICES). Journal of Psychiatric Research. 47 (12), 1998-2003 (2013).
- Ramos, A. R., et al. Association between Sleep Duration and the Mini-Mental Score: The Northern Manhattan Study. Journal of Clinical Sleep Medicine. 9 (7), 669 (2013).
- Gabelle, A., et al. Excessive Sleepiness and Longer Nighttime in Bed Increase the Risk of Cognitive Decline in Frail Elderly Subjects: The MAPT-Sleep Study. Frontiers in Aging Neuroscience. 9, 312 (2017).
- Fernández, M., et al. Prevalence of dementia in the elderly aged above 65 in a district in the Basque Country. Revista de Neurologia. 46 (2), 89-96 (2008).
- Velert Vila, J., et al. Suitability of the use of benzodiazepines prescribed by the pharmacist in the elderly. A doctor-pharmacist collaboration study. Atención Primaria. 44 (7), 402-410 (2012).
- Ranstam, J., et al. Impaired cognitive function in elderly men exposed to benzodiazepines or other anziolytics. The European Journal of Public Health. 7 (2), 149-152 (1997).
- Airagnes, G., Pelissolo, A., Lavallée, M., Flament, M., Limosin, F. Benzodiazepine Misuse in the Elderly: Risk Factors, Consequences, and Management. Current Psychiatry Reports. 18 (10), 89 (2016).
- Alacreu, M., et al. Importance of Increasing Modifiable Risk Factors Knowledge on Alzheimer’s Disease Among Community Pharmacists and General Practitioners in Spain. Frontiers in Pharmacology. 10, 860 (2019).
- Cohen, J. . Statistical Power Analysis for the Behavioral Sciences. , (2013).
- Nardi, P. M. . Doing Survey Research: A Guide To Quantitative Methods. , (2018).
- Sabater Hernández, D., Silva Castro, M. M., Faus Dáder, M. J. . Método Dáder: guía de seguimiento farmacoterapéutico. , (2017).
- Pfeiffer, E. A Short Portable Mental Status Questionnaire for the Assessment of Organic Brain Deficit in Elderly Patients. Journal of the American Geriatrics Society. 23 (10), 433-441 (1975).
- Folstein, M. F., Folstein, S. E., McHugh, P. R. “Mini-mental state.” A practical method for grading the cognitive state of patients for the clinician. Journal of Psychiatric Research. 12 (3), 189-198 (1975).
- Buschke, H., et al. Screening for dementia with the memory impairment screen. Neurology. 52 (2), 231-238 (1999).
- Verghese, J., et al. Picture-based memory impairment screen for dementia. Journal of the American Geriatrics Society. 60 (11), 2116-2120 (2012).
- Nasreddine, Z. S., et al. The Montreal Cognitive Assessment, MoCA: A Brief Screening Tool For Mild Cognitive Impairment. Journal of the American Geriatrics Society. 53 (4), 695-699 (2005).
- Kaya, D., et al. The Saint Louis University Mental Status Examination Is Better than the Mini-Mental State Examination to Determine the Cognitive Impairment in Turkish Elderly People. Journal of the American Medical Directors Association. 17 (4), e11-e15 (2016).
- O’Caoimh, R., et al. Comparison of the quick mild cognitive impairment (Qmci) screen and the SMMSE in screening for mild cognitive impairment. Age and Ageing. 41 (5), 624-629 (2012).
- Cullen, B., ONeill, B., Evans, J. J., Coen, R. F., Lawlor, B. A. A review of screening tests for cognitive impairment. Journal of Neurology, Neurosurgery & Psychiatry. 78 (8), 790-799 (2007).
- Martínez de la Iglesia, J., et al. Adaptación y validación al castellano del cuestionario de Pfeiffer (SPMSQ) para detectar la existencia de deterioro cognitivo en personas mayores e 65 años. Medicina Clínica. 117 (4), 129-134 (2001).
- Blesa, R., et al. Clinical validity of the ‘mini-mental state’ for Spanish speaking communities. Neuropsychologia. 39 (11), 1150-1157 (2001).
- . pwr: Basic Functions for Power Analysis Available from: https://cran.r-project.org/web/packages/pwr/index.html (2018)
- . rpart: Recursive Partitioning and Regression Trees Available from: https://cran.r-project.org/web/packages/rpart (2018)
- . ATC/DDD Index Available from: https://www.whocc.no/atc_ddd_index (2018)
- Kuhn, M., Johnson, K. . Applied Predictive Modeling. 26, (2013).
- Kuhn, M. Building Predictive Models in R Using the caret Package. Journal of Statistical Software. 28 (5), 1-26 (2008).
- Climent, M. T., Pardo, J., Muñoz-Almaraz, F. J., Guerrero, M. D., Moreno, L. Decision Tree for Early Detection of Cognitive Impairment by Community Pharmacists. Frontiers in Pharmacology. 9, 1-12 (2018).
