Cartographie des critères actuariels pour les troubles cognitifs légers de la maladie de Parkinson sur les phénotypes cognitifs basés sur les données, partie 3

3.2. Prévalence du PD-MCI et des sous-types

La prévalence de PD-MCI était de 40,1 % (n=198) en utilisant le seuil de -1 SD, de 21,5 % (n=105) en utilisant le seuil de -1,5 et de 9,1 % (n {{12 }}) lors de l'utilisation du seuil −2 SD.

Il existe une grande relation entre la morbidité et la mémoire. Des études ont montré que le maintien d’une bonne santé peut améliorer considérablement la mémoire et les capacités cognitives, tandis que la maladie peut entraîner une perte de mémoire.

Certains problèmes de santé courants, comme l’hypertension artérielle, le diabète, l’hypercholestérolémie, l’obésité, etc., sont associés à la perte de mémoire. Ces problèmes peuvent affecter la circulation sanguine dans le cerveau, provoquant des problèmes tels que des lésions neuronales et la mort des cellules cérébrales. De plus, certains problèmes psychologiques, comme la dépression, l’anxiété, etc., peuvent également entraîner des pertes de mémoire.

Cependant, un mode de vie actif et des habitudes saines peuvent réduire le risque de maladie et améliorer considérablement la mémoire. Par exemple, en termes d’alimentation, nous pouvons choisir des habitudes alimentaires saines, augmenter la consommation de fruits, de légumes et de grains entiers et réduire les aliments riches en sucre, en gras et en sel. De plus, un exercice modéré peut également avoir de grands avantages pour la santé et contribuer à améliorer la santé cardiovasculaire et les capacités cognitives. Maintenir une bonne qualité de sommeil peut également favoriser la réparation cérébrale et le stockage de la mémoire.

De plus, il a été démontré que maintenir une bonne vie sociale, entraîner le cerveau et réduire le stress améliore la mémoire et les capacités cognitives. Bref, en ajustant notre mode de vie et en maintenant des habitudes saines, nous pouvons améliorer considérablement notre mémoire et nos capacités cognitives et réduire le risque de maladie. De cette façon, nous pouvons mieux profiter de la vie, du travail et des études. On voit que nous devons améliorer la mémoire, et Cistanche peut améliorer considérablement la mémoire car il peut également réguler l'équilibre des neurotransmetteurs, comme en augmentant les niveaux d'acétylcholine et de facteurs de croissance, qui sont très importants pour la mémoire et l'apprentissage. En outre, Cistanche peut également améliorer la circulation sanguine et favoriser l'apport d'oxygène, ce qui peut garantir que le cerveau reçoive suffisamment de nutrition et d'énergie, améliorant ainsi sa vitalité et son endurance.

Cliquez sur connaître 10 façons d'améliorer la mémoire

Il y avait une différence significative entre les proportions de cas classés PD-MCI sur la base de critères de coupure, avec une taille d'effet importante (χ2(2)=563.10, p < 0.001, η2=0.66) et les différences dans la direction attendue (p < 0,001).

Pour les trois seuils, la plupart des cas PD-MCI présentaient des déficiences à domaine unique (−1 SD : 64,59 %, −1,5 SD : 77,0 %, −2 SD : 80,22 %) (Figure 1). Le Single-EF était le sous-type PD-MCI le plus courant.

Cependant, une partie notable des cas appartenait à des sous-types non-EF (−1 SD : 19 %, −1,5 SD : 19 %, −2 SD : 26 %). La classification dans ces autres sous-types était principalement motivée par des déficits de mémoire et de langage.

Parmi les cas PD-MCI, en utilisant les seuils SD de −1, −1,5 et −2, 33 %, 25 % et 31 % présentaient des déficits de mémoire et 17 %, 15 % et 11 % avaient des déficits de langage, respectivement.

3.3. Phénotypes cognitifs dérivés de clusters

Les résultats de l'analyse des clusters K-means ont confirmé l'existence de trois clusters. L'adhésion aux clusters était stable après 10 itérations. Aucun des groupes n’était d’une taille inacceptable.
L'inspection visuelle des centres de cluster (Figure 2) a révélé un groupe avec une cognition moyenne dans tous les domaines (n=154), un groupe avec une faible fonction exécutive (Low EF)(n=227) et un groupe avec des troubles des fonctions exécutives et de la mémoire, ainsi que des scores de langage faibles (EF/mémoire proéminente) (n=113). L'analyse hiérarchique des clusters a soutenu l'utilisation de deux ou trois clusters en fonction des changements dans les coefficients d'agglomération.

Lors de l'examen des proportions de cas attribués au même cluster par les deux méthodes de clustering, la solution à trois clusters présentait la concordance la plus élevée (84,41 %), par rapport aux solutions à deux et quatre clusters (78,34 % et 58,70 %, respectivement), et a largement dépassé les 25% supérieurs au seuil de chance.

En utilisant K-means comme norme, il y avait un accord sur 89,61 % (n=138) du groupe Cognitivement moyen, 83,36 % (n=189) du groupe Low EF et 79,67 % (n {{ 9}}) du groupe Prominently ImpairedEF/Memory.

Il existait une relation significative entre la probabilité d'être affecté au groupe équivalent en utilisant les deux méthodes de regroupement (χ2(4)=598,73, p < 0,001). Ainsi, les trois clusters de K-moyennes ont été déterminés comme étant la solution de cluster optimale et ont été utilisés dans toutes les analyses ultérieures.

Le tableau 3 présente les scores démographiques, cognitifs, d'humeur et moteurs des trois groupes cognitifs. Les résultats des tests Kruskal – Wallis H ont indiqué que les trois groupes différaient de manière significative entre les scores totaux DRS -2 et tous les scores composites cognitifs dans la direction attendue.

Plus précisément, les participants du groupe Cognitivement Moyen ont obtenu de meilleurs résultats que ceux du groupe Faible EF, qui ont obtenu de meilleurs résultats que ceux du groupe EF/Mémoire Prominently Impaired pour tous les indices cognitifs.

Comme le montre le tableau 3, les trois groupes différaient également en ce qui concerne la gravité des symptômes moteurs, les symptômes d'humeur autodéclarés et la répartition raciale/ethnique. À savoir, les participants du groupe FE/Mémoire avec déficiences importantes présentaient des symptômes moteurs significativement plus importants (scores UPDRS Partie III), une plus grande apathie (AS) et un plus grand trait d'anxiété (STAI : Trait) que les deux autres groupes et des symptômes dépressifs plus importants (BDI-II). que le cluster Cognitivement Moyen.

Ceux des groupes de FE faible et de FE/Mémoire fortement altérés présentaient une anxiété d'état significativement plus grande (STAI : État) que le groupe Cognitivement moyen. De plus, il y avait une différence significative entre les proportions de participants blancs non hispaniques des groupes, avec moins d'entre eux représentés dans le Cluster cognitif moyen par rapport aux deux autres clusters.

En revanche, il n'y avait pas de différences significatives entre les groupes en ce qui concerne d'autres caractéristiques démographiques (âge, éducation, sexe), la durée de la maladie (années depuis le diagnostic, années depuis l'apparition des symptômes) ou la proportion de participants avec chaque sous-type moteur. Dans l’ensemble, le groupe FE/Mémoire avec déficience importante présentait des symptômes d’humeur, de motivation et de motricité significativement plus graves que les deux autres groupes, mais les effets de ces différences étaient faibles.

À titre de suivi, nous avons effectué des analyses de corrélation de Pearson entre les composites cognitifs et les mesures de l'humeur/motivation (voir le tableau A2 pour les analyses). Dans l’ensemble, les résultats continuent de suggérer une relation exceptionnellement faible mais cohérente entre des symptômes d’humeur plus marqués et de moins bonnes performances cognitives dans tous les domaines.

De plus, nous avons mené des analyses exploratoires dans le domaine linguistique pour déterminer si l'une des deux mesures était à l'origine des faibles performances linguistiques observées dans le cluster EF/Mémoire fortement altérés. Nous avons constaté que les performances en matière de fluidité sémantique étaient significativement inférieures à celles de la dénomination par confrontation (voir tableau A3).

3.4. Relation entre les phénotypes cognitifs et la classification PD-MCI

Le tableau 4 décrit la répartition des cas PD-MCI au sein de chaque cluster en utilisant les trois seuils de déficience PD-MCI. Les tests d'indépendance du chi carré de Pearson ont révélé que la classification PD-MCI et l'appartenance au cluster étaient significativement liées les unes aux autres avec une taille d'effet importante (Tableau 4).

Pour les trois seuils, le cluster Cognitively Average contenait très peu de cas PD-MCI. En utilisant le seuil de −1 SD, les clusters Low EF et ProminentlyImpaired EF/Memory contenaient des parties similaires des cas PD-MCI.

En utilisant le seuil de -1,5 SD, environ les trois quarts des cas PD-MCI tombaient dans le cluster EF/Mémoire Prominently Impaired, tandis qu'environ un quart tombait dans le cluster Low EF.

Enfin, en utilisant le seuil -2 SD, presque tous les cas PD-MCI tombaient dans le cluster Prominently ImpairedEF/Memory. Ainsi, plus le seuil de déficience était strict, plus le cluster EF/Mémoire avec déficience importante était susceptible de contenir une plus grande partie des cas classés PD-MCI.

Les analyses de régression logistique binaire ont examiné dans quelle mesure l'appartenance à un cluster prédisait la classification PD-MCI. Chaque seuil de déficience faisait l'objet de tests omnibus significatifs (−1 SD : X2(2)= 274.61, p < 0.001, Cox et Snell R{{ 8}}.43, Nagelkerke R2=0.58 ; −1,5 SD : X2(2)=203.37,p < 0,001, Cox et Snell R2=0.34, Nagelkerke R 2=0.52 ; −2 SD : X2(2)=128.35, p < 0,001, Cox et Snell R2=0.23, Nagelkerke R2=0.50) .

Les modèles avaient tous des effets importants, expliquant entre 50 et 58 % de la variance dans la classification PD-MCI, et l'appartenance à un cluster était un prédicteur significatif dans les trois modèles de seuil de déficience.

En utilisant le seuil de -1 SD, les personnes du cluster Cognitivement Moyen avaient 1000 × de chances inférieures d'être classées comme PD-MCI, par rapport au cluster EF/Mémoire avec déficience importante, tandis que celles du cluster Low EF avaient 16,95 ×. probabilités plus faibles (p < 0,001 ; intervalle de confiance à 95 % du cluster CognitivelyAverage : 200-ajustement parfait du modèle ; IC à 95 % du FE faible : 8,29 à 35,71).

Ce modèle a correctement classé 79,1 % des cas PD-MCI avec une faible sensibilité (puisque seulement environ la moitié des cas PD-MCI ont été classés comme tels par le modèle) et une excellente spécificité (puisque presque tous les participants du cluster Cognitivement Moyen ont été correctement classés comme étant cognitivement normaux par le modèle). ; Tableau 5).

En utilisant le seuil SD de −1,5, les personnes du groupe Cognitivement moyen avaient 333,33 fois moins de chances d'être classées comme PD-MCI, par rapport au groupe EF/Mémoire avec déficience importante, tandis que celles du groupe Faible EF avaient 18,87 fois moins de chances (p < 0,001 ; IC à 95 % de la moyenne cognitive : 47.62-ajustement parfait du modèle ; IC à 95 % de LowEF : 10,53–33,33).

Ce modèle a correctement classé 87,9 % des cas PD-MCI avec une sensibilité plus forte et une spécificité légèrement inférieure (mais toujours excellente) que le modèle de critères −1 SD. Enfin, en utilisant le seuil de -2 SD, les personnes du cluster EF faible avaient 71,43 fois moins de chances d'être classées comme PD-MCI, par rapport au cluster EF/Mémoire avec déficiences importantes, alors qu'aucun cas dans le cluster Cognitivement moyen n'était classé comme PD-MCI. (Faible EF p < 0,001, IC à 95 % : 16,39–333,33).

Ce modèle final a correctement classé 90,9 % des cas PD-MCI, mais le modèle a prédit que tous les cas étaient cognitivement normaux, conduisant à une sensibilité nulle et une spécificité parfaite.

Lorsque vous utilisez l'appartenance au groupe PD-MCI prévue par les modèles pour prédire la classification PDMCI réelle, les trois modèles produisent des statistiques C significatives et acceptables (supérieures à 7 0 %, p < 0.0{{ 15}}1 ; Tableau 5). Le modèle utilisant le seuil de -1,5 SD avait la sensibilité et la spécificité maximisées conjointement les plus élevées (−1 SD Indice de Youden (YI) : 0,50 ; −1,5 SD YI : 0,66 ; −2 SD YI : 0).

Le tableau 5 présente les valeurs prédictives positives et négatives fondées sur une plage d'estimations du taux de base PD-MCI. En utilisant les taux de prévalence de l'échantillon pour chaque seuil, le seuil -1 SD maximise la probabilité que les personnes classées par le modèle comme PD-MCI répondent réellement à ce diagnostic actuariel, tandis que le seuil -1,5 SD maximise la probabilité que les personnes classées comme cognitivement normales soient véritablement intactes sur le plan cognitif.

Étant donné que le véritable taux de base de PD-MCI est inconnu, les valeurs inférieure, médiane et supérieure de la plage des taux de prévalence estimés ont également été utilisées pour calculer les valeurs prédictives positives et négatives [25,26].

Dans les contextes où les taux de prévalence de PD-MCI sont plus faibles (par exemple, 25 %), l'utilisation de -1 ET maximiserait conjointement la probabilité d'une classification correcte, mais dans les contextes contenant une population avec un plus grand risque de déficience (par exemple, 45 %), alors -1,5 ET permettrait de maximiser la probabilité d'une classification correcte. fais-le.

Comme nos patients ont tous été vus dans une clinique spécialisée, la prévalence du PD-MCI dans notre échantillon est probablement plus proche de ce point médian des taux de prévalence précédemment estimés.

Dans l'ensemble, l'utilisation du seuil SD de -1,5 a permis à l'appartenance à un cluster d'avoir une précision de classification basée sur un modèle élevée, le plus grand YI et une PPV/NPV conjointement maximisée (en fonction du contexte clinique de notre échantillon).

For more information:1950477648nn@gmail.com