En Maskininlärnings metod för att utforma en effektiv selektiv screening av mild kognitiv svikt
Summary
Denna metod producerar beslutsträd som riktar sig till befolkningsgrupper mer benägna att lida av mild kognitiv svikt och är användbara för kostnadseffektiv selektiv screening av sjukdomen.
Abstract
Mild kognitiv svikt (MCI) är det första tecknet på demens bland äldre populationer och dess tidiga upptäckt är avgörande i våra åldrande samhällen. Vanliga MCI-tester är tidskrävande så att urskillningslösa massiva screening inte skulle vara kostnadseffektiva. Här beskriver vi ett protokoll som använder maskininlärningstekniker för att snabbt välja kandidater för ytterligare screening via ett frågebaserat MCI-test. Detta minimerar antalet resurser som krävs för screening eftersom endast patienter som är potentiellt MCI-positiva testas ytterligare.
Denna metod tillämpades i en första MCI-forskningsstudie som utgjorde utgångspunkten för utformningen av ett selektivt screening beslutsträd. Den första studien samlade in många demografiska och livsstils variabler samt information om patient mediciner. Den korta bärbara mental status enkät (spmsq) och mini-mental State examination (MMSE) användes för att upptäcka möjliga fall av MCI. Slutligen använde vi denna metod för att utforma en effektiv process för att klassificera individer med risk för MCI. Detta arbete ger också insikter om livsstilsrelaterade faktorer förknippade med MCI som kan utnyttjas för att förebygga och tidigt upptäcka MCI bland äldre populationer.
Introduction
Befolkningens åldrande ökar prevalensen av kroniska och degenerativa sjukdomar, särskilt degenerativa demenser, som förväntas drabba mer än 131 000 000 personer över hela världen med 20501. Bland alla degenerativa demenssjukdomar, Alzheimers sjukdom (AD) är den vanligaste med en övergripande prevalens i Europa av 6,88%2. På grund av den ständigt minskande oberoende av AD-patienter, bör denna grupp börja få stöd så snart annonsen börjar manifesteras. Därför är tidig upptäckt av prodromala tecken på AD, såsom mild kognitiv svikt (MCI), viktigt.
MCI definieras som ett mellanliggande kognitiv nedgångs stadium som motsvarar normalt åldrande och allvarlig försämring på grund av demens3. Enligt uppskattningar av Petersen et al.4är prevalensen av MCI 8,4% bland personer i åldern 65-69 år och når 25,2% för dem som är äldre än 80 år. MCI resulterar i att individer upplever fler svårigheter än väntat i utförandet av lågnivå kognitiva färdigheter, särskilt de som rör minne och språk, men inte stör verksamheten i det dagliga livet.
Screening är inte synonymt med diagnos; diagnosen av MCI kommer alltid att vara en klinisk uppgift medan screeningmetoder endast kan informera oss om att en patient har en högre sannolikhet att drabbas av denna patologi och att det finns en välgrundad misstanke om MCI som bör bekräftas kliniskt. Därför kan primärvården (läkare, farmaceuter, sjuksköterskor, etc.) dra nytta av tillgången till enkla screeningmetoder (korta kognitiva test) som kan tillämpas på några minuter. Helst skulle dessa objektivt identifiera patienter med hög sannolikhet att drabbas av en MCI så att de sedan kan testas kliniskt av allmän eller specialiserad läkare.
Med tanke på att den tidiga upptäckten av MCI håller på att bli en viktig uppgift inom ramen för folkhälsan syftade detta arbete till att fastställa vilka egenskaper som är användbara i den riktade identifieringen av MCI i screeningtest av äldre populationer. Dessa grupper skulle sedan testas noggrannare för MCI i tester som administreras av primärvårdgivarna. Den här metoden ger ett beslutsträd med lämpliga algoritmer för att identifiera de befolkningsgrupper som ska riktas.
Bland dessa egenskaper, ålder är en av de mest konsekventa faktorerna i samband med utvecklingen av denna patologi. Andra relevanta egenskaper är relaterade till demografi eller livsstil5. Bland de senare, vissa studier har identifierat varaktigheten av dagtid eller nattsömn som en riskfaktor som kan leda till diagnos av MCI5,6,7,8,9. Långvarig konsumtion av mediciner såsom bensodiazepiner, som konsumeras av uppskattningsvis 20%-25% av äldre vuxna10,11, kan också påverka sömn timmar och utvecklingen av MCI12,13. Långvarig behandling för kroniska sjukdomar kan faktiskt vara viktiga egenskaper som är användbara vid förhandsurvalet av individer med hög risk att drabbas av MCI.
Här har vi utvecklat data-baserade modeller som använder automatiska inlärningsalgoritmer, ett beslutsträd och ett prediktivt verktyg för att effektivisera metodiken för att upptäcka MCI genom att diskriminera vilka egenskaper som spelar en viktig roll i den tidiga detektering av MCI. Det resulterande beslutsträdet som presenterades här producerades med hjälp av en särskild kohort av spanska patienter som använder gemenskaps apotek. Men denna metod skulle också vara användbar bland andra populationer med olika egenskaper.
Detta arbete slutfördes i samarbete med primärvården och specialiserade läkare. Community apotek var idealiska för att testa denna algoritm eftersom de är nära till patienter, har långa öppettider, och ofta besöks och konsulteras. Degenerativa demenssjukdomar är komplexa förhållanden som inte alltid är väl förstådda med primärvårdgivarna14. Att engagera sig i processen kommer därför att öka medvetenheten hos personer som lider av MCI och demenssjukdomar.
Protocol
Representative Results
Discussion
Efter att ha sökt termer i samband med MCI i Cochrane-studier i databasen PubMed skapades ett specifikt frågeformulär för denna studie som använde de mest uppenbara variablerna med en beprövad koppling till MCI. Demografiska, livsstilsrelaterade och sociala faktorer samt patientens farmakoterapi och vissa relevanta patologier registrerades också. Dessutom valdes även SPMSQ-och MMSE MCI-testerna. Viktigare var att SPMSQ inte påverkades av deltagarnas nivå av skolgång. Farmaceuter utbildades för att administrer…
Declarações
The authors have nothing to disclose.
Acknowledgements
Detta arbete möjliggjordes genom stöd av know Alzheimerstiftelsen och hjälp från multimedia produktionstjänst vid Universidad CEU Cardenal Herrera, särskilt Enrique Giner. Vi skulle vilja erkänna arbetet för alla de deltagande apoteken (SEFAC), och de samverkande läkarna från sällskapet för primärvården läkare (SEMERGEN) och neurologi Society (SVN) som hjälpte till med MCI-diagnoser, särskilt Vicente Gassull, Rafael Sánchez och Jordi Pérez. Slutligen tackar vi alla som gick med på att delta i denna studie.
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/ |
Referências
- . 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).
