Un approccio di Machine Learning alla progettazione di uno screening selettivo efficiente di un lieve danno cognitivo
Summary
Questa metodologia produce alberi delle decisioni che prendono di mira gruppi di popolazione più inclini a soffrire di lievi disturbi cognitivi e sono utili per uno screening selettivo della malattia conveniente.
Abstract
Il lieve danno cognitivo (MCI) è il primo segno di demenza tra le popolazioni anziane e la sua diagnosi precoce è cruciale nelle nostre società di invecchiamento. I test comuni dell’MCI richiedono molto tempo tale che uno screening massiccio indiscriminato non sarebbe conveniente. In questo articolo viene descritto un protocollo che utilizza tecniche di apprendimento automatico per selezionare rapidamente i candidati per un ulteriore screening tramite un test MCI basato su domande. Questo riduce al minimo il numero di risorse necessarie per lo screening perché solo i pazienti che sono potenzialmente MCI positivi sono ulteriormente testati.
Questa metodologia è stata applicata in uno studio di ricerca iniziale sulla MCI che ha costituito il punto di partenza per la progettazione di un albero decisionale di screening selettivo. Lo studio iniziale ha raccolto molte variabili demografiche e di stile di vita, nonché dettagli sui farmaci per i pazienti. Il Short Portable Mental Status Questionnaire (SPMSQ) e il Mini-Mental State Examination (MMSE) sono stati utilizzati per rilevare possibili casi di MCI. Infine, abbiamo utilizzato questo metodo per progettare un processo efficiente per classificare gli individui a rischio di MCI. Questo lavoro fornisce anche informazioni sui fattori legati allo stile di vita associati a MCI che potrebbero essere sfruttati nella prevenzione e nella diagnosi precoce di MCI tra le popolazioni anziane.
Introduction
L’invecchiamento della popolazione sta aumentando la prevalenza di malattie croniche e degenerative, in particolare demenze degenerative, che dovrebbero colpire più di 131 milioni di persone in tutto il mondo entro il 20501. Tra tutte le demenze degenerative, il morbo di Alzheimer (AD) è il più comune con una prevalenza complessiva in Europa del 6,88%2. A causa della sempre più declinata indipendenza dei pazienti affetti da AD, questo gruppo dovrebbe iniziare a ricevere supporto non appena l’AD inizia a manifestarsi. Pertanto, la diagnosi precoce di segni prodromici di AD, come un lieve danno cognitivo (MCI), è essenziale.
MCI è definito come una fase di declino cognitivo intermedio corrispondente al normale invecchiamento e grave deterioramento a causa della demenza3. Secondo le stime di Petersen et al.4, la prevalenza di MCI è dell’8,4% tra le persone di età compresa tra 65 e 69 anni e raggiunge il 25,2% per le persone di età superiore agli 80 anni. MCI si traduce in individui che sperimentano più difficoltà del previsto nell’esecuzione di abilità cognitive di basso livello, in particolare quelli legati alla memoria e al linguaggio, ma non interferisce con le attività della vita quotidiana.
Lo screening non è sinonimo di diagnosi; la diagnosi di MCI sarà sempre un compito clinico, mentre i metodi di screening possono solo informarci che un paziente ha una maggiore probabilità di soffrire di questa patologia e che c’è un fondato sospetto di MCI che dovrebbe essere confermato clinicamente. Di conseguenza, gli operatori sanitari primari (medici, farmacisti, infermieri, ecc.) potrebbero beneficiare della disponibilità di semplici metodi di screening (test cognitivi brevi) che possono essere applicati in pochi minuti. Idealmente, questi identificherebbero oggettivamente i pazienti con un’alta probabilità di soffrire di una MCI in modo che possano essere testati clinicamente da medici generici o specializzati.
Dato che la diagnosi precoce di MCI sta diventando un compito essenziale nel contesto della salute pubblica, questo lavoro mirava a identificare quali caratteristiche sono utili nell’identificazione mirata dell’MCI nei test di screening delle popolazioni anziane. Questi gruppi sarebbero quindi testati in modo più approfondito per mCI nei test gestiti dai fornitori di assistenza sanitaria primaria. Questa metodologia fornisce a un albero delle decisioni gli algoritmi appropriati per identificare i gruppi di popolazione di destinazione.
Tra queste caratteristiche, l’età è uno dei fattori più consistenti associati allo sviluppo di questa patologia. Altre caratteristiche rilevanti sono relative ai dati demografici o allo stile di vita5. Tra questi ultimi, alcuni studi hanno identificato la durata del sonno diurno o notturno come un fattore di rischio che può portare alla diagnosi di MCI5,6,7,8,9. Il consumo prolungato di farmaci come le benzodiazepine, consumato da una stima del 20%-25% degli adulti più anziani10,11, può anche influenzare le ore di sonno e lo sviluppo di MCI12,13. Infatti, trattamenti prolungati per le malattie croniche possono essere caratteristiche importanti utili nella preselezione di individui con un alto rischio di soffrire di MCI.
Qui, abbiamo sviluppato modelli basati su dati che utilizzano algoritmi di apprendimento automatico, un albero delle decisioni e uno strumento predittivo per aumentare l’efficienza della metodologia per rilevare l’MCI discriminando quali caratteristiche svolgono un ruolo importante nei primi anni rilevamento di MCI. L’albero delle decisioni qui presentato è stato prodotto utilizzando una coorte specifica di pazienti spagnoli che utilizzano farmacie comunitarie. Tuttavia, questo metodo sarebbe utile anche tra le altre popolazioni con caratteristiche diverse.
Questo lavoro è stato completato in collaborazione con l’assistenza sanitaria primaria e medici specializzati. Le farmacie comunitarie erano ideali per testare questo algoritmo perché sono vicine ai pazienti, hanno orari di apertura lunghi e sono spesso visitate e consultate. Le demenze degenerative sono condizioni complesse che non sono sempre ben comprese dagli operatori sanitari primari14. Pertanto, essere coinvolti nel processo aumenterà la consapevolezza delle persone affette da MCI e demenza.
Protocol
Representative Results
Discussion
Dopo aver cercato termini associati a MCI negli studi di Cochrane nel database PubMed, è stato creato un questionario specifico per questo studio che ha utilizzato le variabili più evidenti con una comprovata associazione con MCI. Sono stati registrati anche fattori demografici, di stile di vita e sociali, nonché la farmacoterapia del paziente e alcune patologie rilevanti. Inoltre, sono stati selezionati anche i test SPMSQ e MMSE MCI. È importante sottolineare che la SPMSQ non è stata influenzata dal livello di scol…
Disclosures
The authors have nothing to disclose.
Acknowledgements
Questo lavoro è stato reso possibile dal sostegno della Know Alzheimer Foundation e dall’aiuto del servizio di produzione multimediale presso l’Universidad CEU Cardenal Herrera, in particolare Enrique Giner. Vorremmo riconoscere il lavoro di tutte le farmacie partecipanti (SEFAC), e dei medici collaboratori della Society of Primary Care Doctors (SEMERGEN) e Neurology Society (SVN) che hanno aiutato con le diagnosi MCI, in particolare Vicente Gassull, Rafael E Jordi Pérez. Infine, ringraziamo tutti coloro che hanno accettato di partecipare a questo studio.
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).
