超越NACC统一数据集：补充认知测试项目对阿尔茨海默病研究中心测量精度的影响及临床价值

本文深入探讨了在阿尔茨海默病研究中心（ADRC）使用的统一数据集（UDS）认知测试组合基础上，整合额外认知项目对测量精度、统计效力及临床预测能力的提升作用。研究通过验证性因子分析（CFA）校准了记忆、执行功能和语言三大认知域，证明补充项目（UDS-augmented）显著降低测量误差（SEM），提高统计检验效力，并优化轻度认知障碍（MCI）向阿尔茨海默病（AD）痴呆转化的风险预测，为多中心数据整合与认知评估标准化提供了重要依据。

　　

BACKGROUND

阿尔茨海默病研究中心（ADRCs）被要求执行国家阿尔茨海默病协调中心（NACC）规定的认知测试组合并上报数据。尽管各中心可额外收集中心特异性认知测试数据，但NACC目前仅集中管理强制上报的Uniform Data Set（UDS）数据。本研究旨在评估在UDS基础上补充额外认知测量项目的心理测量学意义，重点分析测量精度（以标准误SEM为指标）、检测认知下降速率差异所需的样本量以及基线评分预测MCI向AD痴呆转化的能力。

METHODS

2.1 Participants

研究对象为2005至2020年间匹兹堡ADRC的参与者，年龄≥60岁，基线诊断包括认知正常（NC）、MCI和可能/很可能AD痴呆。所有诊断均基于多学科评估和共识会议，并采用标准化标准上报NACC。样本的人口学特征按UDS 1&2和UDS 3两个阶段呈现，包括性别、年龄、教育年限、自我报告的种族和民族、APOEε4等位基因携带情况及访视次数。

2.2 Cognitive data collection

由经过培训和认证的心理测量师使用标准化管理规程实施认知测试。UDS 1和UDS 2因电池相似而合并分析（UDS 1&2），UDS 3单独分析。专家小组将所有项目分配至记忆、执行功能、语言或不属于这些域的主要领域。

对于记忆域，UDS 1&2阶段的UDS-only包括逻辑记忆即时和延迟回忆及MMSE中的时间和地点定向项目总和；UDS-augmented则额外纳入CERAD词表学习测试的三个学习试次和Rey–Osterrieth复杂图形测试的即时与延迟回忆。UDS 3阶段的UDS-only包括Craft故事即时和延迟回忆、Benson复杂图形回忆及MoCA中的记忆项目；UDS-augmented额外加入CERAD词表学习测试。

执行功能域在UDS 1&2阶段的UDS-only包括数字广度、WAIS-R数字符号替换及轨迹制作测试A和B部分；UDS-augmented补充了15分制的画钟测试、Mattis痴呆评定量表-抽象推理和Golden Stroop干扰任务。UDS 3阶段的UDS-only包括数字广度、轨迹制作测试A和B及MoCA中的相关元素；UDS-augmented加入Stroop干扰任务。

语言域在UDS 1&2阶段的UDS-only包括波士顿命名测试的30个奇数项及动物和蔬菜类别流畅性；UDS-augmented补充了波士顿命名测试的30个偶数项、Stroop颜色命名、鸟类和狗类别流畅性及F、A和S字母流畅性。UDS 3阶段的UDS-only包括动物和蔬菜类别流畅性、F和L字母流畅性、多语言命名测试（MINT）及MoCA中的语言项目；UDS-augmented加入Stroop颜色命名及A和S字母流畅性。

2.3 Psychometric analyses

采用心理测量学方法进行分析。首先对每个项目进行严格的质量控制（QC），随后使用验证性因子分析（CFA）模型在横断面样本中估计项目参数。选择每位参与者最近一次的访视数据以最大化认知能力的分布范围，从而稳定校准。CFA模型固定了先前研究中估计的项目参数，未校准的项目则自由估计参数。每个域均使用CFA模型，通过最大似然稳健（MLR）估计器估计项目的载荷和阈值，进而获得每位参与者每次访视的分数，分别计算UDS-only和UDS-augmented的分数。

2.4 Statistical methods

从三个标准比较UDS-only与UDS-augmented的测量精度：（1）比较个体测量标准误（SE）>0.3的比例，该值是衡量个体层面测量精度的常用指标；（2）评估检测MCI和AD痴呆患者年下降速率25%差异所需的样本量，使用标准公式计算，显著性水平为0.05，II类错误率为0.2；（3）通过Cox比例风险模型分析基线评分预测MCI向AD痴呆转化的能力，调整基线年龄、教育、性别和任何APOEε4等位基因的存在，将认知分数标准化为首次MCI访视时均值为0、标准差为1，以确保风险比（HR）的可比性。使用R进行统计分析，Stata进行数据管理，Mplus进行潜变量建模。

RESULTS

3.1 Participants

匹兹堡ADRC参与者的人口学特征显示，UDS 1&2阶段有1268名独特参与者，共3459次访视；UDS 3阶段有758名参与者，共1760次访视。

3.2 CFA models

记忆域在UDS 1&2阶段对UDS-only使用双因子模型（一个二级因子），对UDS-augmented使用双因子模型（两个二级因子）；UDS 3阶段对UDS-only使用双因子模型（两个二级因子），对UDS-augmented使用双因子模型（三个二级因子）。执行功能域在UDS-only和UDS-augmented cases结构相似，唯一区别是UDS-augmented包含额外项目，无需额外二级因子。语言域在UDS 1&2阶段对UDS-only使用单因子模型，对UDS-augmented使用双因子模型；UDS 3阶段对UDS-only和UDS-augmented均使用双因子模型（UDS-only一个二级因子，UDS-augmented两个二级因子）。

3.3 Measurement precision for UDS-only and UDS-augmented

通过信息曲线导出标准误 of 测量（SEM）曲线，描绘各能力水平的预期测量误差。重点关注数据中观察到的能力水平范围内的SEM曲线。记忆、执行功能和语言域的分数箱线图显示，各诊断组在UDS 1&2和UDS 3阶段的分数分布相似。添加额外项目后，所有域的SEM曲线在整个临床相关范围均降低，表明测量精度提高，尤其在能力水平较低的区域（如痴呆患者）改善更为明显。

3.4 Individual-level measurement error

UDS 1&2和UDS 3阶段个体SE>0.30的访视比例总结显示，对于记忆域，UDS 1&2阶段几乎所有访视的UDS-only个体SE>0.2，加入额外记忆项目后，几乎所有访视的SE<0.2；UDS 3阶段大多数UDS-only访视SE>0.2，但加入额外项目后，几乎所有访视SE<0.2。执行功能域UDS-only的SEM接近或高于0.3，UDS-augmented多数情况下低于0.3。语言域UDS-only所有分数SEM>0.3，UDS-augmented多数SEM曲线低于0.2。UDS-augmented在所有三个域和两个阶段均表现出比UDS-only更低的SEM曲线。

3.5 Sample sizes needed to detect a 25% difference in the rate of decline

样本量计算结果显示，对于MCI和AD痴呆患者，每个域在UDS 1&2和UDS 3阶段，UDS-augmented均显著优于UDS-only，所需样本量减少21%至56%。

3.6 Time to conversion from MCI to AD

Cox模型结果显示，在大多数情况下，UDS-augmented在识别有转化风险的个体方面略优于UDS-only。对于记忆域，在UDS 3阶段，转化率的点估计值高于1，而其他域低于1，但置信区间均包含零假设值。

DISCUSSION

本研究证明，整合UDS之外的补充认知项目可显著提高UDS 1&2和UDS 3阶段所有域的测量精度。不同阶段NC组之间的分数差异强调了基于NC组标准化分数（z-分数）的局限性，因为不同时期NC组的能力水平可能存在实质差异。记忆域的SEM低于执行功能域，UDS-augmented的SEM值在整个临床相关范围均低于临界值0.3，而UDS-only在部分区域（如AD痴呆低分患者）高于该值。补充措施还增强了检测下降速率差异的效力，并略微提高了预测MCI向痴呆转化的能力。这些发现强调了在处理和评估ADRCs收集的额外认知数据方面努力的重要性，可能会显著增强检测关联（包括遗传关联）的效力。研究的优势包括使用现代心理测量方法、大量额外项目和大样本量；局限性包括自报非白人种族的个体比例较小，结论推广到其他诊断群体需谨慎。总之，整合UDS之外的项目可显著改善测量精度，值得投入资源处理这些数据与上报NACC的UDS数据，心理测量学考虑可能有助于规划未来的测量策略。