新的机遇认知衰退的早期发现和治疗:坚持挑战和智能和人为本技术的承诺

变革的早期检测与年龄相关的认知下降有可能推动科学认识的认知障碍和可能的治疗方法通过识别相关的临床试验参与者。此外,早期发现早期干预也是关键一次有效的治疗方法已经开发出来。认知衰退的早期检测的新途径,例如通过评估管理通过移动应用程序,可能需要经常回家测试可现在坚持挑战。一旦下降被检测到,治疗可能需要频繁的参与行为和/或生活方式干预(例如,认知训练),现在自己对依从性的挑战。我们讨论的方法认知衰退的早期检测和治疗,坚持挑战与这些方法有关,和聪明的承诺和人为本技术解决依从性的挑战。具体来说,我们强调之前和正在进行的工作的一部分坚持促进以人为本的技术(APPT)项目,以及如何完成工作将有助于及时的设计和开发,定制、智能提醒系统,推断参与者的背景和动机,以及正在进行的工作如何构建对提醒系统,包含动态的机器学习算法来预测和预防依从性失误之前发生。APPT活动和结果将不仅影响认知能力评估和培训,但是对于技术媒介adherence-support系统来促进体育锻炼,营养、药物管理、远程医疗、和社会连接,与广泛的潜力提高订婚,老年人的健康和福祉。

人口老龄化,再加上与年龄相关的认知下降,代表了一个前所未有的挑战美国和世界。在美国,老年人(65岁以上)的数量将大大增加从5400万年的2019增加到9500万年的2050 (1,2),与个人85岁以上人口的增长最快的部分。而老化用规范的认知的变化,可能会干扰性能的日常任务,不幸的是,这些挑战加剧了在那些经历非规范化认知下降(3,4,5,6,7]。65岁后终身患痴呆症的风险估计有11%的男性和19%的女性弗雷明汉的研究(8),最近的寿命估计其他纵向研究阿尔茨海默病从25 - 35%对于那些超过65岁(9]。目前,老年痴呆症是第七大死因10]。目前在世界范围内,有五千五百万人确诊为————它的实际患病率可能数量(10,11]。随着人口老龄化,老年痴呆症的人数正在预计三到2050年,和相关的成本预计将从1万亿年的2018美元上升到2030年的2万亿美元(12]。处理规范性和非规范化与年龄相关的认知变化是一个至关重要的目标有实质性影响的健康,幸福,和独立的个人和他们的家庭,也有较大的社会影响与潜在的减少资源需要支持大量的个人经历重要的认知。

传统的认知能力评估方法

认知衰退的早期检测,包括下降与阿尔茨海默病和痴呆相关(ADRD),是一个至关重要的目标的原因很多,被公认为一个未满足的需求和重要目标国家计划来解决阿尔茨海默氏症(13]。变革的早期发现有可能促进我们科学理解的认知障碍和潜在的治疗方法。成功的方法检测早期下降有可能促进我们理解干预能够减缓或扭转下降和他们的行动的机制提供了重要的信息相关的参与者选择和招聘过程的临床试验。早期发现可以受益功效研究通过识别潜在参与者的风险研究窗口中的认知能力下降。此外,根据目标机制,试验研究认知干预的效果可能会受益于早期干预,在预防大幅下降的点可能仍然是有可能的,而不是专注于扭转已经发生后显著下降。此外,在纵向认知老化的研究中,敏感的早期下降的措施可以帮助链接拒绝重要危险因素,生活方式提供关键信息通知建议中年和老年人认知问题的预防。

从衰老成人的角度来看,早期检测也涉及几个潜在的好处。例如,早期发现下降可能促使医生访问和生活方式的改变与保存相关认知功能(例如,改变饮食,增加体力活动,实现努力减少高血压)。下降的证据可以激励通过改变生活方式或治疗的时间点,他们可能是最有效的。早期检测也可以通知长期护理计划的决定。功能恶化,个人可能会失去他们自己的医疗决策的能力,认知能力的衰退和早期发现可以提前做出这些决策的认知障碍。其他决策也将受益于等待痴呆的早期知识,包括决策相关的居住和生活。早期检测也可以帮助一个家庭为了更好地理解行为变化,避免冲突。

不幸的是,准确地描述认知的变化在个体水平代表着一个重大的挑战。传统方法是定期管理神经心理测试的许多年。罕见的测试意味着下跌可能没有注意到,直到他们开始严重影响功能的能力,因此独立。这种方法也是复杂测量质量的问题,因为它不占,在认知测试中的表现受到多个进程包括真正的认知能力下降,反复接触的影响相同的测试,可以掩盖下降(实践效果),状态和上下文变量,是暂时性的增加或减少的性能。先前的研究已经表明,within-person变化从日常的性能标准认知措施可以在大小相似的横断面年龄在15到25岁之间的差异14]。这种可变性复杂性能变化的解释两个孤立的评估之间隔开。神经影像学方法预测认知衰退和老年痴呆症是有前途的15,16),但可以是昂贵和困难的管理。

认知能力评估的新选择

破裂测量设计,在短时间内多次评估认知(破裂),彼此间更长时间的破灭,已经被提议作为替代品更敏感。这些方法允许的估计年龄/独立干预效果和实践效果,和生产措施的认知能力相对受within-person可变性(17,18,19]。相反的测试,可能发生在办公室里的医疗专业、有效和可靠的测量评估可以在家自行通过移动技术,允许更频繁的远程监控认知健康的20.]。用药时电脑的能力评估(例如,21])是一个吸引人的,因为它鼓励认知状态的长期监测,是一个安全、方便的解决方案在一个COVID-endemic世界。这是进步的一个重大机遇的能力检测意义认知的变化。

尽管承诺,破裂测量设计引入额外的挑战,需要理解和解决。一个重大挑战和其他测量设计(例如,生态的评估)是坚持22]。个人可能需要参与评估的几个月,甚至几年,之前检测到认知能力下降。不幸的是,有足够的理由怀疑,长期坚持将可怜的相关文献的基础上,例如药物,运动,和认知训练研究[23,24]。甚至短暂的两周的认知能力评估研究,在一个相对年轻和健康的参与者对筛选出来的样品能够坚持一个认知评估协议,15%的评估可以错过20.]。在简短的背景下生态的评估研究测量健康行为如吸烟,依从率可以低至55%25),起一个简短的研究中,根据依从性措施,21%到27%的评估是错过了26])。一些研究说坚持以家庭为基础的认知评估协议在许多个月或更长时间(27,28),但积累的证据表明,这将提供一个重要的挑战。

一旦发现认知能力下降,这将是理想的干预尽可能早地推迟认知的快速下降。虽然有争议,一个受欢迎的方法来防止或逆转下降了科学家和公众的利益都是基于计算机的认知训练。坚持是至关重要的理解认知训练的疗效的临床试验。此外,认知训练应该被证明是有效的,依从性也将是至关重要的家庭认知训练为了个人获得的好处。即使认知训练最终发现是无效的,理解坚持在这种情况下可以提供宝贵的见解如何预测和防止坚持失败对于其他技术为基础的干预措施旨在改善卫生,健康,老年人的生活质量。

就像许多其他治疗领域,有益的干预措施来改善认知不预期产生重大影响,除非老年人充分参与。这是出现在活动(高级认知训练独立和至关重要的老年人)随机对照试验;参与者坚持少推理培训证明小福利(29日]。记忆训练、认知的好处也有发现低附着少个人(30.]。预期的依从性问题是一致的许多家庭的高消耗、低依从率,是技术媒介认知训练研究。不损害的能力,研究人员确定认知训练的效果。欧文et al。31日)进行了一项为期六周的在线研究中,参与者被要求实践认知任务旨在提高推理、记忆、规划、视觉空间的技巧,和关注每周3次。,登记的52617名参与者最初只有11430完成预处理和post-assessments和至少两个完整的培训课程为期六周的期间。哈代et al。32)也进行了一个大的网络,随机对照试验评估更长的认知训练协议(10周)。像欧文et al。31日),只是有点超过半数的参与者完成了这项研究。在最近的6个月在线认知训练研究,2557老年人被随机分配接受推理训练,只剩下863人在6个月随访会话33]。引导等。34)使用了一个稍长的长度12周的培训项目。手持数字游戏被分配到目标知觉和认知能力。仅供利益参与者的介入,平均22 h的60 h的训练要求。尽管许多认知干预技术演示了一些承诺改善知觉和认知能力(例如。35,36,37),),这些干预措施的影响老年人的幸福感与年龄相关的认知下降的风险可能会微乎其微,除非老年人愿意也有能力参与他们。

坚持挑战影响认知能力评估和培训还扩展到其它数字卫生干预措施,干预措施包括利用移动健康应用药物和健康跟踪。共同的挑战之一是,病人可能没有必要的技术能力或可能不是舒适的使用技术与数字卫生干预措施。这对老年人尤其如此。另一个挑战是,数字卫生干预措施通常需要很大的行为改变的病人。尽管存在这些挑战,有几种策略被用来促进坚持在这一背景下,包括提供需支持和教育帮助患者学习如何使用相关技术(38),使用鼓励或奖励,以鼓励坚持(39,40,41),和裁剪的干预措施来满足个人的需求和喜好42]。最近的一项研究Trenorden et al。38)招募7老年人完成术前计算机认知训练,然后12周的术后认知培训。他们发现定期监督会议有效地减少挫折,实现高水平的依从性。然而,这种方法可能不是可伸缩的和可用的人力资源。虽然财政激励和奖励用于促进坚持体育锻炼,没有明确的指导方针有关的激励措施,将有利于长期积极习惯形成(40]。2013年出版的系统回顾和荟萃分析发现,财务激励增加短期锻炼会话出勤6个月(41]。财政激励措施在促进认知的影响评估和培训没有得到充分的研究。

先前的研究在坚持推广严重依赖定制消息(43]。裁缝是一个有效的健康传播策略,认识到卫生决策和行为变化的复杂性。研究发现,消息创建基于评估和对个体差异的理解比通用或放之四海而皆准的健康更迷人和有说服力的信息。此外,荟萃分析提供经验证据的好处定制与普通的干预措施在各种各样的健康状况,包括戒烟、运动、饮食和营养,酗酒(例如,44])。Computer-tailored干预行为改变干预使用强大的专家系统自动收集个人信息,使基于理论的裁剪在广泛的社会心理因素。这些系统使用复杂的算法来定制消息或从数据库内容推荐的行动——接近水平的剪裁,在过去,只能通过与专家互动或训练有素的卫生保健提供者45]。这些类型的系统,然而,需要单独评估可以繁重的参与者和需要更多的开发时间的多次迭代需要开发定制的消息。我们的研究表明,这种级别的复杂性可能不是必要提高这些系统的说服力。相反,面临的挑战是如何提高感知个人健康信息的相关性(46]。我们相信,裁剪基于个人收集的数据在后台无所不在地或通过早期的查询他们的偏好可能是一个关键的一步找到裁剪更具成本效益的和有效的方法,进而发现促进行为改变的一种有效方法。

支撑许多讨论的裁剪和已经将移动-健康的方法是持续监控行为允许只在需要的时候提供干预措施。这种“即时”设计需要一个双管齐下的方法来提高依从性(47]。首先,它最大化潜在的有效性只有管理干预检测到当用户最容易接受它或最容易掉。这个设计的另一面是,它也减少不必要的意外,或不必要的接触。接收时间不当干预措施被证明适得其反的负面影响干预接触(即。、动机)和干预疲劳(即。“烧坏”)(47]。即时设计的第二步是能够自适应地调整个人干预的时间和类型。变化的背景下,状态或行为可以影响一个潜在的干预的有效性。被动和持续监控行为允许个人在正确的时间得到正确的类型的干预。准时制方法在某些临床情况下可以完全自动化,从而减少用户输入数据的负担和卫生保健专业人员输出建议48]。他们的广泛适用性,他们被用在许多领域,包括体育活动(49],酒精使用[50),精神疾病(51,吸烟52),和肥胖53与干预的性质,从简单的提示和线索到绩效反馈和奖励策略指导和适应困难(如适用)。及时设计强调以用户为中心的利益调整,变化很敏感,环境,和行为。

介绍APPT项目和依据

除非人们坚持以家庭为基础的评估和干预措施针对认知健康,任何的好处,这些方法将丢失。可怜的坚持,坚持促进以人为本技术(APPT)项目设置来解决这个问题通过开发一个即时人工智能提醒系统,以支持基地评估和干预,与最终目标,促进早期发现和治疗年龄相关的认知下降(54)(见图。1示意图的AI APPT提醒系统数据管道)。我们及时适应干预促进坚持将作为一个智能提醒系统实现定制的消息。APPT项目的目标是1)增强坚持认知干预和评估协议,2)改进的理解障碍,长期坚持,和3)协助开发的算法预测和预防依从性的失败。我们的目标是调查这些问题在样品与没有认知障碍的老年人。具体来说,两项研究将测试一种适应性,个性化,综合技术支持系统预测提高坚持认知协议超过一个更简单的调度和提醒系统。

这些研究将提供有价值的和可概括的了解不仅坚持支持的好处,而且个体差异因素塑造协议依从性(如态度、认知能力、健康状况、个性、技术熟练程度)。这些信息将通知的过程识别那些将受益于额外的支持和预测和防止扩展坚持失败之前发生。结果将具有重要意义,远远超出认知健康;的方法和技术媒介评估机制发现将有广泛的影响和干预协议来提高健康和福祉。

APPT项目的早期研究

设计、开发和评价这样一个即时APPT智能提醒系统的项目,我们已经做了大量的前期工作使用定量,计算和定性方法(1)理解老年人参与行为的动机研究[55];(2)了解老年人的态度使用移动和可穿戴技术支持的依从性和评估认知(56];3)理解因素影响老年人的采纳和持续坚持认知干预措施(57];和(4)评估的可行性同时使用基线个体差异和大脑游戏交互的数据预测的整体,每周,每日坚持认知训练和先进的分析方法(58,59]。在下面,我们简要地总结在APPT完成研究项目的一个子集的两大主题。

主题1(理解参与动机和障碍)

让人们持续参与和坚持一个干预在临床试验的背景下,它可能是有用的了解最初促使人们进入这些试验。当坚持滞后,这些动机可能重新通过有针对性的、量身定制的消息鼓励共事。我们最近发表在的老年医学(55]提供了一个初步评估实际和潜在的动机类型学研究认知的研究基于调查的志愿者管理参与者是从现有注册中心的老年人同意联系进行研究。通过分析调查结果,我们确定了四种类型的参与者根据他们报道动机:大脑健康倡议者,研究助手,有趣的人,和多个动机爱好者。此外,动机可以预测个体差异特征,包括就业状况、年龄、认知问题,以及参与者是否从事以前的研究项目。总的来说,这些发现表明,老年人有各种各样的兴趣和动机,引导他们参与研究,这动机可以提前预测在某种程度上基于个体差异特征。本研究的影响力在塑造成为目标的动机在以后APPT坚持支持系统的临床试验和验证的方法定制的消息。

最近,我们进行了一次焦点小组研究年轻21岁和21岁老年人阐明什么因素可能促使个体采取移动版本的认知训练和评估协议和什么因素会随着时间的推移保持遵守这些协议(57]。休闲的享受和放松甚至参与的先决条件需要考虑长期使用的认知协议。认知、社会和承诺因素也很重要,但受到复杂的成本效益分析的相对优点或缺点的一个因素可能是down-weighted或up-weighted的另一个因素。长期接触可定制性的设置,也提振了包含一个动态提醒系统。这项研究提供了额外的洞察激励信息的性质包括APPT系统的一部分,确认定制和自适应方法是可取的。

最后,智能提醒系统的成功的关键是理解和减少其使用态度障碍,以及理解老年人的态度收集数据的目的产生预测消息内容和时机和预测未来认知的下降。Fowe和引导56]探索老年人的态度可穿戴和移动设备的使用。最相关的当前纸,一个场景评估参与者的态度一个监控smartwatch佩戴者的日常生活随着时间的推移,为了提供提醒参与健康行为,而第二个场景为参与者提供了一个smartwatch,通过跟踪活动数据可以预测未来的认知能力下降。刻板印象相反,批示成年人不愿意采用新技术,参与者评价假设技术有用,愿意推荐给其他人,有兴趣学习更多关于他们自己,表示愿意采取这些技术。结果是令人鼓舞的对老年人的接受APPT项目正在开发的技术和方法。

主题2(通过先进的分析技术预测依从性)

智能的最终成功坚持支持系统需要能够预测谁是最有可能与坚持斗争,甚至预测何时坚持失败可能发生之前他们发生。这将允许有针对性的和定制的坚定支持。在我们最近发表的研究(58),我们建立了多个机器学习和深度学习模型预测参与者的参与(用先前公布的数据60]。涉及的数据集收集的数据来自118个不同的生活小区老年人(平均年龄= 72.6年,SD= 5.54),他们被要求扮演一系列gamified神经心理学的任务在平板电脑上在家里。总的来说,这个数据集包括记录的200000年培训交流以及一系列人口、认知、态度的措施。我们第一次使用人口和态度数据在逻辑回归模型来预测总体遵循中等精度(AUROC: 0.71)。然后我们每周游戏交互数据用于复发性神经网络与Long-Short-Term-Memory (LSTM)和梯度复发单位预测接下来的一周坚持在为期12周的培训计划与高精度(AUROC: 0.84 - -0.86)。我们发现一般自我效能感,目标内存措施和技术自我效能最预测参与者的整体的依从性,在训练时间,会话数量,和游戏结果预测接下来的一周的依从性。

在使用相同的数据集的并行研究哈勒尔et al。60),我们建立了深度学习模型预测参与者的每日坚持认知训练基于他们过去的依从性模式(59]。为此,我们利用该特性深层神经网络的学习能力,以及先进的信号处理技术。我们训练有素的个性化,人为本预测模型为每个参与者来捕捉他们独特的依从性行为,而不是一个为所有参与者模型;最后的预测精度是计算的平均精度在所有118名参与者。我们广泛的实证分析证实了深度学习的承诺和潜在的依从性预测,和最高生产意味着F-scores(即。调和平均数的精度和召回)的75.5%,75.5%,和74.6%使用CNN, LSTM,分别和CNN-LSTM模型。我们的努力表明,个体差异特征和先前的预测依从性干预交互提供有用的信息。这些见解可以提供线索的即时坚持支持系统APPT项目决定谁当目标坚定的支持。

APPT项目的研究计划

最初的试点和发展研究有两个大型临床试验奠定了基础(N= 190),智能的影响与评估标准提醒系统对老年人坚持以家庭为基础的认知评价和认知训练。社区老年人(65岁以上)将被要求参与要么常规认知训练通过平板电脑(研究1)或认知评估通过智能手机(研究2)在过去的四个月。参与者将被随机分配接受短信提醒在依从性失误,要么是根据他们的动机(智能)量身定做(标准),并适当地要么是定时提供“即时”支持单独或不定时(标准)。坚持将自动记录和用于触发短信提醒时坚持未能在这两个条件。

智能提醒系统的一个关键组件是一个考虑参与者的可能接收到消息时上下文。通过上下文,我们的意思是人的趋势形成的作息时间和生活习惯。最好的是过去的行为预测未来的行为。最好的预测当前上下文可能过去的上下文。因此,当前系统使用参与者的参与的历史认知评估和培训软件预测参与者是否会在适当的情况下进行。例如,如果一个参与者定期从事认知训练每星期二下午2点,然后经历几天的依从性失误,“即时”提醒可能在下周二下午2点之前不久。提醒系统将学习参与者的例程,这些例程的变化,通过监测参与者的参与随着时间的推移,给更多的最近几周更多的重量占常规的变化。

这些试验结束时,两个大型数据集(共350人),包括详细的依从性和参与数据在几个月,和几十个个体差异的措施包括人口结构、技术经验、态度、健康状况和认知能力将提供原材料验证之前的机器学习模型的讨论和发展更先进的机器学习的方法来预测谁是最有可能依从性失误和依从性失误时可能会发生。

当前的研究奠定了基础的终极目标检测和治疗尽早认知能力下降,允许更有效的临床试验,老年人保持独立,降低社会成本与阿尔茨海默氏症和相关的痴呆症。发现成功的方法提高依从性几十年来一直是一个挑战,而新颖的方法来理解和支持坚持显然是必要的。迄今为止开发的机器学习方法提供了一些最初的视角来看,它似乎可以预测坚持挑战个人的水平,同时还研究了在个人随着时间的推移。一个有抱负的目标是能够预测和防止依从性失误发生之前通过提供恰当的和个性化的支持。尽管我们的方法最初被开发的环境中坚持以家庭为基础的认知训练,我们希望将可概括的教训,可能有助于支持依从性在许多其他领域,包括药物、饮食、运动、和其他技术为基础的干预措施。随着技术的不断进步,更多的研究是促进坚持进行最有效的策略,很可能使用数字卫生干预措施将继续增长和越来越有效地改善健康结果。

和/或使用的数据集的分析发表的研究可从相应的作者以合理的要求。

活动:

先进的认知训练独立和老年人至关重要

分布:

日常生活活动

ADRD:

阿尔茨海默氏症和相关的痴呆症

APPT:

坚持促进以人为本的技术

IADL:

工具性日常生活活动

MCI:

轻度认知障碍

不适用。

这项工作得到了国家老龄问题研究所资助R01AG064529 Florida-Florida州立大学以及大学的临床与转化科学奖项UL1TR001427由国家医学转化中心。内容是完全的责任作者,不一定代表美国国立卫生研究院的官方观点。

作者和联系

1. 学校的信息,142年佛罗里达州立大学学院的循环,塔拉哈西,佛罗里达州32306,美国

   哲,他和米娅莉莎Lustria

2. 行为科学和社会医学学院,美国佛罗里达州的塔拉哈西佛罗里达州立大学

   哲,他和米娅莉莎Lustria

3. 塔拉哈西佛罗里达州立大学心理学系,FL,美国

   迈克尔•Dieciuc Ibukun e . Fowe Shenghao张,尼尔Charness &沃尔特·r·引导

4. 社会学,佛罗里达州立大学,美国佛罗里达州的塔拉哈西

   黎明卡尔

5. 计算机科学部门,美国佛罗里达州的塔拉哈西佛罗里达州立大学

   Shayok Chakraborty & Ankita辛格

6. 老年病学,佛罗里达州立大学,美国佛罗里达州的塔拉哈西

   安东尼奥泰拉恰诺

贡献

Z.H.,W.R.B., M.D., S.Z., A.S., S.C., N.C., D.C. wrote the main manuscript text. M.L.A.L. prepared Fig.1。所有作者回顾了手稿。作者(年代)阅读和批准最终的手稿。

相应的作者

对应到哲,他。

伦理批准和同意参与

不适用。

同意出版

不适用。

相互竞争的利益

作者宣称没有利益冲突。

出版商的注意

乐动体育足球快讯直播视频施普林格自然保持中立在发表关于司法主权地图和所属机构。

开放获取本文是基于知识共享署名4.0国际许可,允许使用、共享、适应、分布和繁殖在任何媒介或格式,只要你给予适当的信贷原始作者(年代)和来源,提供一个链接到创作共用许可证,并指出如果变化。本文中的图片或其他第三方材料都包含在本文的创作共用许可证,除非另有说明在一个信用额度的材料。如果材料不包括在本文的创作共用许可证和用途是不允许按法定规定或超过允许的使用,您将需要获得直接从版权所有者的许可。查看本许可证的副本,访问http://creativecommons.org/licenses/by/4.0/。

再版和权限