研究环境和参与者
这项队列研究包括从国家老年病学和老年病学研究中心(NCGG-SGS)的一个子队列中招募的社区居住的老年人。NCGG-SGS是一项日本国家队列研究;其主要目标是建立一个老年综合征筛查系统,并验证循证预防干预措施[14].居住在Obu市、年龄≥65岁、未住院、未接受住院护理、未被国家长期护理保险系统(LTCI)认证为功能性残疾或未参加另一项研究(n = 14,313)的个体被发送参加基线评估的邀请函。我们在基线(2011年8月至2012年2月)评估了5104人。我们采用了以下排除标准:(i)有痴呆史的患者(n = 140), (ii)基于简易精神状态检查(MMSE)评分< 21的基线怀疑痴呆患者[15] (n = 146);(iii)帕金森病患者(n = 21), (iv)抑郁症患者(n = 130), (v)饮食、洗澡、梳洗、散步和爬楼梯等基本日常生活活动依赖他人的患者(n = 20), (vi)基于LTCI系统的功能残疾患者(n = 74),以及(vii)基线评估时这些标准或问卷数据缺失的患者(n = 95)。排除后,识别出4478名认知完好的参与者。在随访期间,无法确认基于日本国民健康保险和后期医疗保健系统的公共健康保险隶属关系的参与者(n = 180)被排除在分析之外。因此,4298名参与者被纳入最终的纵向分析。
所有基线评估均由训练有素的护士和学习助理在社区中心进行健康检查。在研究开始前,所有工作人员都接受了作者关于管理评估方案的培训。在随访期间,我们收集了日本公共健康保险的医疗记录,以确定痴呆症的发病率。医疗记录数据是从当地政府收集的,为期24个月,每月一次。
伦理批准
该研究方案是根据《赫尔辛基宣言》制定的,并由国家老年病学和老年学中心伦理委员会批准。在参与研究之前,所有参与者都获得了书面知情同意。
STAD的发展和痴呆风险的筛查
STAD的制定基于文献综述、统计分析和专家意见的结合。首先,我们创建了一份关于痴呆症风险的问卷,由30个“是”/“否”问题组成,其中包括主观记忆抱怨、抑郁症状、日常生活功能和基于文献综述的生活方式活动。然后,我们在基线时使用问卷对参与者进行评估,并对他们进行了24个月的随访,以检测痴呆症的发病率。其次,我们使用Cox比例风险回归分析检查了问卷各项目与痴呆发病率之间的关系,并确定了23个显著预测因子(在调整年龄和性别后)为STAD的候选项目(附加文件)1:表S1)。第三,由五名专家(老年病学和健康科学专家)组成的小组使用内容效度指数(CVI)检验候选项目的内容效度[16].内容效度采用4点李克特量表(例如,1,不清楚;2、不是很清楚,3、还算清楚;第四,非常清楚)。每项CVI的计算方法为给予3或4分的专家人数除以专家总数[16].结果范围为0 ~ 1,如下解释,> 0.79,该项相关;0.70-0.79,项目需要修订;< 0.70,该项被淘汰[16](附加文件1:表S2)。最后,11个项目被淘汰,剩下的12个项目被纳入STAD:(1)你是否比以前更容易忘记你把东西放在哪里?[5(2)别人觉得你健忘吗?[5(3)你是否发现自己不知道今天的日期?[17(4)你是否放弃了许多活动和兴趣爱好?[18你经常感到无聊吗?[18(6)你感到无助吗?[18(7)你喜欢呆在家里,而不喜欢出去尝试新鲜事物吗?[18(8)在过去的两周里,你是否无故感到疲倦?[17和去年相比,你外出的次数少了吗?[17],(10)你是否每周至少进行五次低强度的体育锻炼以达到健康的目的?[19(11)你去不熟悉的地方会用地图吗?[20.(12)你是否参与认知刺激活动,如桌游和学习[20.] ?使用STAD对参与者进行痴呆风险评估。总评分(0-12)由基线风险数相加计算。
痴呆发病率观察
在日本,所有年龄≥65岁的个人都拥有以下类型的公共健康保险之一:"雇员健康保险"、"日本国民健康保险"或"晚期医疗保健制度" [21,22].65-74岁的个人参加雇员健康保险(年龄在75岁以下的就业者的健康保险)或日本国民健康保险(年龄在75岁以下的失业者和自营职业者的国家健康保险)。当他们达到75岁时,他们自动切换到后期医疗保健系统(75岁以上个人的医疗保健)。我们检查了日本国民健康保险和后期医疗保健系统,以获得有关每月新报告的痴呆症病例和诊断日期的数据。在24个月的随访期间,我们将“痴呆症发病率”定义为痴呆症的新诊断,但没有在基线时定义。痴呆症由医疗机构的医生根据《国际疾病分类-10》作出诊断[23].
评估潜在的混杂因素
作为协变量,年龄、性别、教育程度和共病(高血压、高脂血症、糖尿病和心脏病)在基线时通过面对面访谈进行评估。我们还将饮酒和吸烟习惯(目前与以前/从未)、慢步速度、缺乏运动、生活安排(独自生活或同居)以及基线时的整体认知功能作为协变量。在2.4 m距离上测量步态速度,将5次< 1.0 m/s的试验的平均步态速度定义为慢步速度[24].身体活动不足是通过以下问题来评估的:(1)“你是否从事超过中等水平的体育锻炼或旨在健康的体育运动?”以及(2)“你是否为了健康而进行低水平的体育锻炼?”对两个问题都回答“否”的参与者被归类为不活跃[14].采用MMSE评估整体认知功能;MMSE得分从0到30,得分越高,认知能力越好[25].
统计分析
首先,我们使用连续变量的学生t检验和χ,比较了有和没有痴呆症发病率的参与者之间的基线特征2测试分类变量。然后,为了模型的构建和验证,我们将数据集以6:4的比例随机分为训练数据集和测试数据集。
首先,在训练数据集中,使用约登指数[[26].在测试数据集中,根据分界点,使用Kaplan-Meier曲线计算24个月随访期间痴呆发病率的累积生存率,并使用log-rank检验估计组间差异。此外,还进行了Cox比例风险回归分析,以检验STAD分界点对预测痴呆发病率的预测有效性。用痴呆风险的95%置信区间(ci)计算风险比(HRs)。
其次,我们使用决策树模型来增强STAD对痴呆风险筛查的预测能力。我们使用CART算法进行了决策树分析,以确定用于预测训练数据集中痴呆症风险的STAD项目的最佳和最小组合。CART算法基于递归划分分析,目的是通过构造二叉树来建立预测规则。在本分析中,基尼指数[27]作为分裂准则,表征样本集的杂质,最大树深度设为3。此外,合成少数群体过采样技术(SMOTE) [28]用于解决痴呆状态数据不平衡的问题(痴呆发病率仅为2.2%),因为一些监督算法在数据集不平衡的情况下表现较差。
第三,利用STAD得分的分界点建立逻辑回归模型,作为评价决策树模型的基准。在测试数据集中,我们使用基于受试者工作特征(ROC)分析、准确性、敏感性和特异性的曲线下面积(AUC)来确定决策树模型和逻辑回归模型的模型性能。所有分析均使用IBM SPSS Statistics 25和IBM SPSS Modeler 18 (IBM Japan, Tokyo, Japan)进行。统计显著性水平设定为P< 0.05。