基于可穿戴传感器的共济失调数字平衡综合评分（SIBA）的开发与验证：一项前瞻性研究

本研究针对脊髓小脑性共济失调（SCA）临床试验受限于现有临床终点所需样本量大的难题，开发并验证了一种名为共济失调综合平衡评分（SIBA）的新型数字复合指标。该评分利用可穿戴惯性传感器采集站立和行走平衡数据，在独立验证队列中显示出与SARA评分良好的同时效度（r=0.736）、极高的重测信度（ICC=0.970）以及显著优于SARA的疾病进展追踪能力（效应大小0.59 vs 0.11）。SIBA的应用有望使临床试验所需样本量减少88%，极大提升试验效率。

　　

想象一下，一种罕见的神经系统疾病，它会逐渐侵蚀人的平衡和协调能力，使简单的站立和行走都变得异常艰难，这就是脊髓小脑性共济失调（Spinocerebellar Ataxia, SCA）。对于这类患者和致力于研发改善病情疗法的科研人员来说，一个巨大的挑战在于如何精确量化疾病的严重程度和进展速度。目前广泛使用的临床评估量表，例如共济失调评估与评级量表（Scale for the Assessment and Rating of Ataxia, SARA），虽然提供了重要的评估工具，但其本身存在一些局限，例如评估者间差异、对细微变化不够敏感等，这导致在临床试验中需要招募大量患者才能检测出治疗带来的微小改善，使得新药研发成本高昂、周期漫长。

那么，能否利用现代科技，开发出一种更客观、更敏感、更可靠的评估工具呢？一项发表在《The Lancet Digital Health》上的前瞻性研究给出了肯定的答案。由James McNames、Vrutangkumar V Shah、Fay B Horak和Christopher M Gomez等学者领导的研究团队，成功开发并验证了一种名为“共济失调综合平衡评分”（Score of Integrated Balance in Ataxia, SIBA）的新型数字复合指标。这项研究旨在解决SCA临床试验中的关键瓶颈，即寻找一个能够以更小样本量检测出疾病进展的有效结局指标。

为了开展这项研究，研究人员主要运用了几个关键技术方法。首先是利用可穿戴惯性传感器（Opal inertial measurement units）进行数据采集，将传感器佩戴于参与者手足、胸骨和下背部，同步记录其在2分钟自然步速行走和30秒不同姿势站立（双脚分开与双脚并拢）时的运动数据。其次，研究采用了多准则决策分析（Multiple Criteria Decision Analysis, MCDA）这一系统化方法来指导SIBA评分的构建和权重分配，综合考虑了区分度、效度、信度、进展性等多个统计标准。此外，研究设计了严谨的多中心队列验证方案，包括一个用于评分开发的回顾性队列（258名SCA患者和100名健康对照）和一个用于前瞻性验证的独立队列（53名SCA患者和24名健康对照），以确保结果的可靠性和普适性。

研究结果

参与者特征 开发研究纳了258名SCA1、2、3或6型患者（包括40名前驱期和218名共济失调期）和100名健康对照。验证研究则包括了53名SCA患者和24名健康对照。两组人群在年龄和性别上均匹配。

SIBA的验证性能 在独立验证队列中，SIBA表现出优异的测量属性：

• •
  信度：SIBA显示出极高的重测信度（组内相关系数_ICC=0.970）和分半信度（ICC=0.968）。
• •
  已知组别效度：SIBA能极好地区分SCA患者与健康对照（受试者工作特征曲线下面积_AUROC=0.956）。
• •
  结构效度：SIBA能够区分未来6个月内跌倒次数≥2次与未跌倒的患者（AUROC=0.760），表明其与跌倒风险相关。
• •
  收敛效度：SIBA与临床金标准SARA评分显著相关（r=0.736），同时也与患者报告结局，如弗里德赖希共济失调评定量表日常生活活动能力（FARS-ADL）部分、共济失调患者报告结局测量（PROM-Ataxia）等存在显著相关性，说明其能够反映患者感知的功能障碍。
• •
  疾病进展：在为期约1年的随访中，SIBA测量疾病进展的效应大小（0.59）远高于SARA评分（0.11），表明SIBA对病情变化的敏感性更高。据估算，使用SIBA作为终点指标的临床试验，要检测到50%的疾病进展减缓，所需样本量比使用SARA减少88%（171人 vs 1491人，80%统计功效）。

研究结论与意义

本研究成功开发并前瞻性验证了首个结合站立和行走平衡数字指标的SCA综合评分——SIBA。研究结果表明，SIBA是一个可靠、有效且对变化敏感的数字化评估工具，其性能在多个方面媲美甚至优于当前临床实践中最常用的SARA量表，尤其是在追踪疾病进展方面表现出显著优势。

这项研究的重要意义在于，它为SCA的临床试验和临床实践提供了一个强有力的新工具。SIBA的引入有望显著提高临床试验的效率和可行性，使得用更少的参与者、更短的时间来验证疾病修饰疗法的效果成为可能，从而加速针对这类罕见病的有效治疗方案的开发。此外，作为一种基于客观传感器数据的指标，SIBA减少了主观评估的变异性，可能在未来有助于更精细的患者分层和个性化管理。当然，SIBA的应用目前仍局限于特定类型（SCA1,2,3,6）且能独立行走的患者，其对各SCA亚型的特异性、对干预措施的反应性以及在更广泛人群和更长期随访中的表现，仍有待未来更大规模的研究进一步验证。总体而言，这项研究是数字健康技术在神经退行性疾病领域应用的一个重要里程碑，展示了数据驱动的方法在优化临床终点和推动精准医学发展方面的巨大潜力。