基于偏序集模型分析帕金森病认知功能障碍异质性

《Scientific Reports》：Modeling the heterogeneity of cognitive dysfunction in Parkinson’s disease using partially ordered set models

　　

摘要

传统的帕金森病（PD）认知功能障碍分类方法无法准确反映其内在的异质性。本研究引入了偏序集（POSET）模型这一贝叶斯框架，利用帕金森病精准医疗计划（PPMI）数据来分析认知功能的异质性。研究将注意力、视觉空间判断、执行功能、工作记忆和情景记忆五个认知领域与九项神经心理学指标进行关联，从而计算出认知表现评分（CPS）。在264名初始时没有认知功能障碍的参与者中，有21.2%的人在第三年出现了认知功能障碍。经过人口统计学调整和Bonferroni校正后，发现第三年的认知功能障碍与以下指标的中位数CPS值呈负相关：注意力（所有随访期间均如此）；执行功能和工作记忆（从第一年开始）；以及视觉空间判断（仅限基线时）。在多元逻辑回归分析中，基线时的注意力和视觉空间判断CPS值都是未来认知受损的显著预测因素，但在调整基线疾病持续时间后，只有视觉空间判断CPS值仍保持显著预测作用。POSET建模为帕金森病认知衰退提供了更为精细的描述方法，比传统分类方案具有更高的分辨率。需要进一步的大规模队列研究来验证这些发现。