《Movement Disorders Clinical Practice》：Validation of the Telephone MoCA in iRBD and Parkinson's Disease with Conversion to the Standard MoCA
编辑推荐：
背景：当面对面测试不可行时，基于电话的认知评估可改善随访。电话版蒙特利尔认知评估（T-MoCA）省略了标准MoCA中依赖视觉的条目，但其在孤立性快速眼动睡眠行为障碍（iRBD）和帕金森病（PD）中的效度仍不确定。目的：评估T-MoCA与面对面MoCA-22在i
背景：当面对面测试不可行时，基于电话的认知评估可改善随访。电话版蒙特利尔认知评估（T-MoCA）省略了标准MoCA中依赖视觉的条目，但其在孤立性快速眼动睡眠行为障碍（iRBD）和帕金森病（PD）中的效度仍不确定。目的：评估T-MoCA与面对面MoCA-22在iRBD和PD中的一致性，并推导及外部验证MoCA-22至MoCA-30的转换。方法：在牛津帕金森病中心（OPDC）Discovery队列中，137名参与者（38名对照、47名iRBD、52名PD）完成了T-MoCA和MoCA-22评估。采用Lin一致性相关系数、Bland–Altman分析和±1分界值的等效性检验评估一致性。使用对数线性平滑的等百分位等值法，利用Discovery数据（3561次测试）推导MoCA-22至MoCA-30的转换，并在Tracking Parkinson's（5767次测试）和帕金森病进展标志物计划（PPMI，5047次测试）中验证。结果：T-MoCA与面对面MoCA-22评分在统计学上等效，偏倚极小；83.3%的评分差异≤1分。然而，测试格式间的一致性为中等（Lin一致性相关系数=0.58）。在14,375次MoCA评估中，等百分位等值法在开发队列和验证队列中均优于比例缩放法。传播T-MoCA–MoCA-22变异性导致T-MoCA衍生的MoCA-30估计值的预测区间更宽，表明个体水平的不确定性，且由于数据稀疏，仅可对T-MoCA评分≥17估计区间。结论：在组水平上，T-MoCA是iRBD和PD中非视觉MoCA域的有效远程测量工具。等值函数支持MoCA-22和MoCA-30评分的队列水平协调，而个体T-MoCA衍生的MoCA-30估计值应谨慎解读。
认知障碍的识别在广泛临床环境中至关重要，早期发现有助于诊断、预后和管理。蒙特利尔认知评估（MoCA）是应用最广泛且验证充分的认知障碍筛查工具之一，对痴呆检测具有较强敏感性。然而，标准MoCA需要面对面施测，当现场评估不可行时限制了其可行性。行动能力下降、地理距离、并发疾病或公共卫生限制等障碍凸显了对可靠且经过验证的远程认知评估工具的需求。为此，近年来开发了多种数字和在线认知筛查工具。尽管这些工具提供了远程评估的创新方法，但通常需要一定程度的计算机素养、适当的设备获取以及足够保留的认知功能才能有效参与测试平台。这些要求可能限制其在老年人或认知脆弱人群中的适用性，而更简单的远程方法（如简短的电话认知评估）在这些场景中具有明显的实用优势。电话版蒙特利尔认知评估（T-MoCA）即是此类工具之一，它是标准MoCA的远程改编版，设计用于电话施测。T-MoCA保留了原测试中口头施测的组成部分，同时省略了视空间/执行和命名部分，因此最高可得分为22分。既往研究支持T-MoCA作为认知筛查工具在多个人群中的效度和临床效用，包括社区居住老年人和短暂性脑缺血发作及卒中患者。一个相关的方法学挑战是如何比较T-MoCA评分与标准30分MoCA评分。Katz等人在多样化社区老年队列中解决了这一问题，证明了T-MoCA与面对面MoCA-22之间的统计学等效性，并提出两种从T-MoCA评分估算标准MoCA-30评分的方法：对数线性平滑的等百分位等值法和教育调整的Poisson回归。他们的工作为协调远程和面对面MoCA数据提供了重要框架，但转换函数可能无法跨临床人群推广，特别是在认知特征与社区居住老年人不同的情况下。因此，需要在疾病特异性队列中进一步验证。尽管证据基础不断增长，T-MoCA在帕金森病中的应用仍相对未被充分探索。初步工作提示T-MoCA测量可能有助于识别帕金森病中的轻度认知障碍，但唯一可用的研究需要在更大、特征明确的队列中进一步验证。认知障碍是PD常见的非运动特征，及时发现具有重要的照护意义。在孤立性快速眼动睡眠行为障碍（iRBD）——一种广泛认可的前驱期PD形式——中，尚无研究验证T-MoCA。本研究旨在评估T-MoCA在牛津帕金森病中心（OPDC）Discovery队列中iRBD和帕金森病参与者的效度。具体而言，研究人员评估了T-MoCA与包含相同22个非视觉条目的改良面对面MoCA（MoCA-22）之间的一致性，以便直接比较不同施测格式。研究人员还旨在利用三个大型PD队列推导并外部验证将MoCA-22评分转换为标准MoCA评分的等值函数。
方法部分：本研究利用三个纵向帕金森病（PD）队列的数据：OPDC Discovery队列、Tracking Parkinson's和帕金森病进展标志物计划（PPMI）。OPDC Discovery于2010年9月至2016年1月从泰晤士河谷11家医院招募新诊断PD患者，Tracking Parkinson's于2012年2月至2014年5月在全英招募新诊断患者。两个队列中PD均由NHS神经科顾问医师诊断，并在入组时使用英国脑库标准确认。参与者每12–18个月复查一次，发展为非典型帕金森综合征者被退出。在OPDC Discovery中，iRBD个体从区域睡眠诊所转诊，入组前通过多导睡眠图确认诊断，符合国际睡眠障碍分类标准。PPMI是一项正在进行的国际观察性研究，包括健康对照、根据英国脑库标准诊断的新发PD个体、前驱期PD参与者和LRRK2及GBA变异非 manifesting 携带者。参与者每6或12个月接受临床、影像和分子评估。对于T-MoCA子研究，OPDC Discovery参与者在预定研究访视期间滚动招募。排除仅限于妨碍评估的严重视觉或听力障碍。PD参与者在治疗状态下接受测试。对于等值公式的推导和验证，纳入入组时考虑为散发性PD的所有病例。认知测试：参与者完成T-MoCA（包含除视觉依赖的视空间/执行和命名部分外的所有标准MoCA条目）和标准30分MoCA（MoCA-30）。T-MoCA通过电话进行，参与者和测试管理员位于不同诊室，彼此听不到。T-MoCA和面对面MoCA-22在研究访视的两端使用不同测试版本施测，以最小化练习效应。在诊断组内，连续招募的参与者被分配到交替的测试顺序组。在两次MoCA施测之间进行常规运动和认知评估。完成MoCA-30后，通过排除T-MoCA所省略的视空间/执行和命名条目，推导出22分亚分（MoCA-22），从而允许直接比较不同施测格式下相同非视觉条目的表现。统计分析：分析T-MoCA子研究人群的人口学特征以评估基线差异。连续变量在各组间的分布使用Kruskal-Wallis检验比较，二分类变量使用Pearson卡方检验评估。配对的T-MoCA和MoCA-22评分使用Wilcoxon符号秩检验比较。进一步统计分析评估面对面（F2F）和电话施测MoCA-22之间的一致性、吻合度和等效性。相关性使用Spearman秩相关系数评估，吻合度使用Lin一致性相关系数（CCC）量化，该系数评估相对于恒等线的精确度和准确度。使用Bland–Altman图进一步检查吻合度，计算平均偏倚和95%一致性界限（LoA），包括置信区间，以评估系统差异。使用双单侧检验（TOST）程序进行正式等效性检验，预设等效界值为±1个MoCA分。这些界值基于临床可忽略差异和预期测量误差预先定义。使用线性混合效应模型检验测试格式和顺序的潜在效应，以受试者ID为随机截距。使用对数线性平滑的等百分位等值法在OPDC Discovery中推导MoCA-22至MoCA-30的转换。通过比较等值评分和观测MoCA-30评分，使用均方根误差（RMSE）和平均绝对误差（MAE）评估模型在个体水平的性能。两个指标均量化观测评分与预测评分之间的平均差异，值越低表示吻合度越好。使用Kolmogorov–Smirnov（KS）和Cramér–von Mises（CvM）统计量评估观测评分与等值评分之间的分布吻合度，这些统计量捕捉经验评分分布之间的最大差异和总体差异；使用Wasserstein距离（W2）测量MoCA量表上分布之间的平均差异。同样，值越小越好。与比例缩放（MoCA-22×30/22）比较性能，并在PPMI和Tracking Parkinson's中使用相同指标进行外部验证。为量化个体水平的不确定性，为MoCA-22衍生的MoCA-30评分和T-MoCA衍生的MoCA-30估计值分别估计95%预测区间。对于每个面对面MoCA-22评分，OPDC Discovery队列中相应观测MoCA-30分布的第2.5和第97.5百分位数定义了经验预测区间。对于T-MoCA，使用10,000次Monte Carlo迭代传播两个阶段的不确定性，采样观测到的T-MoCA–面对面MoCA-22差异以生成合理的面对面MoCA-22评分，随后从OPDC Discovery队列中获取相应的观测MoCA-30评分。该分布的第2.5和第97.5百分位数定义了预测区间。合并的T-MoCA–面对面MoCA-22误差分布主要由较高T-MoCA评分提供信息，因此仅对观察数>10的评分报告区间。在评估评分转换的临床影响时，观测和等值MoCA-30评分被分类为痴呆（≤20）、轻度认知障碍（MCI；21–25）或正常认知（≥26）。观测和等值分类之间的一致性总结为分类一致评估的比例、Cohen's κ以及分类变化的频率和方向。使用线性混合效应模型检验相关参与者和研究变量对观测结果的影响，同时考虑参与者内重复测量。为评估重复观察的影响，参与者水平bootstrap分析随机选择每位参与者的一次评估并重复等值和验证。统计分析使用R版本4.3.1进行，使用TOSTER（v0.8.3）、BlandAltmanLeh（v0.3.1）、epiR（v2.0.78）、equate（v2.0.8）、lme4（v1.1–35.5）和psych（v2.4.12）包。
结果部分：T-MoCA子研究纳入137名参与者（38名健康对照、47名iRBD、52名PD）。各组年龄相似，但iRBD组男性比例显著更高。PD的MoCA评分倾向于低于对照，而测试顺序在各组间相当，测试间隔时间差异显著。10名iRBD参与者随后发生表型转换：7名转为PD（平均1.7年），3名转为路易体痴呆（平均1.0年）。顺序×格式交互作用显示，当T-MoCA先施测时，T-MoCA评分倾向于更高；当面对面MoCA-22先施测时，面对面评分倾向于更高。这种模式不提示一致的练习效应，而更符合可能的疲劳效应导致第二次测试评分降低。鉴于性别分布不平衡，研究人员额外检查了性别与认知表现之间的关联。在全样本中，男性T-MoCA评分显著低于女性（β=?0.99，p=0.016），尽管没有证据表明这种性别差异因诊断组而异。MoCA-22评分总体上无显著性别差异，按诊断组亦无。然而值得注意的是，iRBD性别比较基于3名女性对44名男性，因此在这种不平衡组中的非显著结果不应被解读为证明无性别效应。尽管如此，T-MoCA与MoCA-22评分之间无总体差异（p=0.80；中位绝对差异=1），诊断组内亦无差异（HC：p=0.94；iRBD：p=0.17；PD：p=0.67）。TOST分析进一步表明，T-MoCA和MoCA-22评分在预设的±1 MoCA分等效界值内在全样本（p<0.001）和所有诊断组（HC：p=0.002；iRBD：p=0.044；PD：p=0.004）均具有统计学等效性。Spearman秩相关系数和Lin一致性相关系数表明MoCA-22与T-MoCA评分之间总体相关性和吻合度为中等（ρ=0.50；CCC=0.58，95% CI [0.46, 0.68]）。相关性和吻合度在iRBD组最高（ρ=0.58；CCC=0.67，95% CI [0.49, 0.80]），其次是PD（ρ=0.44；CCC=0.51，95% CI [0.27, 0.68]）和HC（ρ=0.49；CCC=0.47，95% CI [0.18, 0.68]）。Bland–Altman分析显示T-MoCA和MoCA-22评分在全样本和诊断组间总体吻合良好，83.3%的测试对差异不超过1分，94.1%落在一致性界限内。系统偏倚证据很少，所有组的平均差异接近零。等值函数的推导：为开发和验证将MoCA-22评分转换为标准MoCA评分的方法，研究人员使用了三个独立PD队列的纵向MoCA数据：OPDC Discovery队列、帕金森病进展标志物计划（PPMI）队列和Tracking Parkinson's队列。总计，三个数据集共4045名PD参与者提供了14,375次MoCA评估。OPDC Discovery队列的中位教育年限显著低于PPMI（13 vs 16；p<0.001）。与此一致，教育年限≤12年的参与者比例在OPDC Discovery最高（40%），其次是Tracking Parkinson's（32%）和PPMI（12%；p<0.001）。中位MoCA评分在队列间也显著不同（p<0.001），OPDC Discovery和Tracking Parkinson's队列的测试总体上捕捉到较低评分。鉴于队列间教育程度的差异，研究人员检查了教育是否修饰MoCA-22与MoCA-30之间的关系。在OPDC Discovery队列中未观察到显著交互作用，在Tracking Parkinson's和PPMI队列中检测到小交互作用， collectively 未提供一致证据表明教育程度实质性影响MoCA-22–MoCA-30关系。在所有队列中，失分主要发生在非视觉而非视觉条目上。利用OPDC Discovery的MoCA数据，使用对数线性平滑（degree=3）的等百分位等值法推导MoCA-22至MoCA-30的转换。所得转换表将每个MoCA-22评分映射到估计的MoCA-30评分。等值和观测MoCA-30评分的Spearman's ρ为0.95，Lin's CCC为0.95，RMSE为1.16，MAE为0.85。分布拟合统计量如下：Kolmogorov–Smirnov统计量0.060，Cramér–von Mises统计量0.012，Wasserstein距离0.59。作为比较，使用公式MoCA-22×（30/22）的比例缩放产生的Spearman's ρ为0.95，Lin's CCC为0.95，RMSE为1.30，MAE为0.97。相应的分布拟合统计量为Kolmogorov–Smirnov统计量0.094，Cramér–von Mises统计量0.027，Wasserstein距离0.77。预测评分在所代表范围内通常接近观测评分。然而，MoCA-22评分≤5在推导队列中代表性非常稀疏。因此这些评分水平的估计主要依赖平滑等值函数的外推，应谨慎解读。作为敏感性分析，研究人员既使用纵向iRBD数据推导MoCA-22至MoCA-30等值函数，又将PD衍生的等值函数应用于OPDC Discovery队列的iRBD组。两种情况均显示与PD中观察到的等值准确性大致相当，尽管混合效应模型中组间等值残差略有差异（β=0.19，p<0.001），但差异幅度较小（不到一个MoCA分的五分之一），支持PD衍生转换在iRBD中的性能。较高年龄与略大的等值残差相关（β=0.013分/年，p<0.001），而性别（β=0.100，p=0.063）和教育年限（β=?0.011，p=0.142）无显著关联。调整年龄、性别、教育和参与者内重复评估后，等值残差与疾病 duration 无关（β=0.005 MoCA分/年，SE=0.006，p=0.443）。尽管较长疾病 duration 的估计可能受较大 attrition 影响，但未注意到转换偏倚随疾病 duration 增加而增加的明显趋势。超过10年后，等值评分倾向于低估观测MoCA-30评分，与仍在随访者中非视觉条目不成比例更大损失一致。为量化个体水平不确定性，为MoCA-22衍生的MoCA-30评分和T-MoCA衍生估计值分别生成95%预测区间，通过转换传播观测到的T-MoCA–MoCA-22变异性。T-MoCA衍生区间显著更宽。仅对观察数>10的评分报告区间以避免稀疏数据的不稳定估计。等值函数的验证：推导的等值函数随后应用于两个外部数据集（Tracking Parkinson's和PPMI）的MoCA-22数据，并在各队列内将估计MoCA-30评分与观测MoCA-30评分比较。使用相同的性能和分布拟合指标评估性能，并与简单比例缩放的参考方法比较。在Tracking Parkinson's队列中，等值法产生Spearman's ρ为0.96，Lin's CCC为0.95，RMSE为1.13，MAE为0.78。Kolmogorov–Smirnov统计量为0.092，Cramér–von Mises统计量为0.023，Wasserstein距离为0.66。比例缩放产生Spearman's ρ为0.96，Lin's CCC为0.94，RMSE为1.33，MAE为0.94，Kolmogorov–Smirnov统计量为0.094，Cramér–von Mises统计量为0.039，Wasserstein距离为0.94。在PPMI队列中，等值法产生Spearman's ρ为0.93，Lin's CCC为0.94，RMSE为1.04，MAE为0.71。Kolmogorov–Smirnov统计量为0.085，Cramér–von Mises统计量为0.019，Wasserstein距离为0.59。相比之下，比例缩放产生Spearman's ρ为0.93，Lin's CCC为0.93，RMSE为1.13，MAE为0.77，Kolmogorov–Smirnov统计量为0.085，Cramér–von Mises统计量为0.023，Wasserstein距离为0.69。为解决原始数据集中重复MoCA观察的非独立性，使用bootstrap重采样进行敏感性分析，在OPDC Discovery队列中重复重新拟合等值函数并在Tracking Parkinson's和PPMI队列中验证。Bootstrap结果表明等值函数稳健，bootstrap估计与原始值密切吻合。综合来看，等值函数在OPDC Discovery队列（开发集）和两个外部验证队列之间的性能相当。个体水平预测误差在验证队列中相似或略低，而分布吻合度指标大致一致，仅Kolmogorov–Smirnov统计量适度增加表明局部差异略大。为评估使用等值MoCA-30评分的潜在临床影响，研究人员比较了基于观测和等值MoCA-30评分的认知分类，定义痴呆为≤20，轻度认知障碍（MCI）为21–25，正常认知为≥26。分类在OPDC Discovery队列中86.6%的评估中保持不变（Cohen's κ=0.777），Tracking Parkinson's中88.2%（Cohen's κ=0.788），PPMI中88.4%（Cohen's κ=0.738）。分类变化几乎 exclusively 发生在相邻类别之间：痴呆至MCI（OPDC Discovery：2.0%；Tracking Parkinson's：1.2%；PPMI：1.0%），MCI至正常认知（4.0%；2.0%；3.7%），MCI至痴呆（2.5%；2.6%；1.5%），正常认知至MCI（4.9%；5.9%；5.4%）。
讨论部分：本研究评估了T-MoCA在iRBD和PD参与者中的效度，并推导了一种转换方法以协调22分MoCA评分与标准30分MoCA评分。当T-MoCA与面对面（F2F）MoCA-22比较时，T-MoCA评分在预设的±1分等效界值内与F2F MoCA-22评分统计学等效。中位绝对差异较小，Bland–Altman分析显示平均差异接近零，表明电话施测相对于F2F评估无系统性评分膨胀或紧缩。尽管T-MoCA和F2F MoCA-22评分在组水平等效，但表现受参与者和测试因素影响。男性T-MoCA评分略低于女性，尽管这种性别差异未因诊断组而显著变化，且MoCA-22未观察到显著性别效应。测试顺序也影响表现，第二次评估评分倾向于更低，与可能的疲劳效应一致。这些发现提示在解读T-MoCA表现时应考虑性别和测试顺序，但两者均不削弱本研究中观察到的T-MoCA与F2F MoCA-22之间的总体组水平等效性。两种测试之间的总体相关性和吻合度为中等，鉴于22分量表评分范围受限、许多参与者认知表现相对较高以及已发表的MoCA重测信度估计，这并不意外。天花板效应也可能降低受试者间变异性并衰减基于相关的指标，即使测试格式之间的绝对差异很小。这一区分很重要：等效性和Bland–Altman结果表明两种格式在组水平产生相似评分，而中等CCC反映个体水平的变异性。本研究第二个目标是支持非视觉MoCA评分（MoCA-22）与标准MoCA-30评分之间的可比性。在OPDC Discovery队列中，等百分位等值法在性能和分布指标上均优于简单比例缩放。当同一等值函数外部应用于PPMI和Tracking Parkinson's时，这一性能得以保持。在所有三个队列中，两种转换方法均显示与观测评分的强相关性和吻合度，但等值函数总体上产生更低的预测误差和分布拟合指标。尽管这些差异 modest，但提示等百分位等值法更好地保留了个体评分吻合度和总体评分分布。等值法也 largely 保留了认知分类，观测和等值分类在各队列86.6–89.3%的评估中一致。综合来看，这些发现为在F2F评估不可行时使用T-MoCA进行队列研究中的认知随访提供了循证依据。此外，在缺乏具有足够T-MoCA数据以推导和稳健验证直接T-MoCA至MoCA-30转换的大型PD队列的情况下，研究人员验证的MoCA-22至MoCA-30转换为电话获得的22分评分估计在更熟悉的30分MoCA量表上提供了务实替代方案。外部验证加强了这一方法：尽管三个队列的MoCA评分分布不同，OPDC Discovery衍生的转换函数在两个外部数据集中表现一致，支持转换表跨PD队列的泛化性。与从多样化非PD队列衍生的等百分位T-MoCA至MoCA-30转换（Katz等人）相比，OPDC Discovery MoCA-22转换在量表大部分范围内产生略高的估计MoCA-30评分，通常高1分。既往PD和非PD队列研究提示T-MoCA或面对面MoCA-22评分≤18/22可能是MCI的合理阈值。研究人员的转换表将MoCA-22评分18转换为MoCA-30评分25，使隐含的MCI阈值与原始MoCA-30验证研究中报告的阈值一致，其中评分低于26提示潜在认知障碍。然而，一个审慎的考虑是这些转换评分在个体水平的应用。尽管等值程序在协调队列水平MoCA-22和MoCA-30评分方面表现良好，且MoCA-22至MoCA-30转换相关的个体水平不确定性相对 modest，但当起始评分通过电话获得时引入了额外不确定性。将观察到的T-MoCA与F2F MoCA-22之间的变异性通过后续MoCA-22至MoCA-30转换传播，导致T-MoCA衍生的MoCA-30估计值的预测区间显著更宽。这表明良好的队列水平等值性能并不意味着从T-MoCA衍生的个体MoCA-30估计具有同等精度。因此，尽管T-MoCA连同MoCA-22至MoCA-30转换表在F2F评估不可行时提供了务实替代方案，但从T-MoCA估计的MoCA-30评分不应被认为与直接观测的MoCA-30评分具有相同的个体水平精度，在涉及认知障碍临床阈值时使用此类估计需要谨慎。应考虑若干局限性。第一，T-MoCA子研究的样本量 modest，特别是在诊断亚组内，需要在更大样本中进一步验证。第二，T-MoCA子研究的参与者通常具有较高MoCA评分，这可能反映招募相关的选择偏倚。尽管大多数参与者在诊断后3年内进入OPDC Discovery，但他们是从参加预定研究访视者中滚动招募的。因此，子研究时的平均疾病 duration 为11年，仍在积极随访且能够完成现场评估的参与者可能代表相对认知保留的亚组。这导致中度或重度认知障碍个体的代表性有限。因此，研究结果对更晚期认知障碍或PD痴呆个体的泛化性可能较低。第三，T-MoCA和F2F MoCA-22在相对较短的时间间隔内作为更广泛研究访视的一部分施测，尽管测试顺序在各组间平衡，疲劳可能影响格式间的一致性。第四，T-MoCA设计上省略视空间/执行和命名条目。这些域在PD中可能具有临床信息价值，当视空间缺陷特别相关时，电话评估不能完全替代F2F MoCA-30。因此，排除视觉条目可能低估PD中的认知障碍。然而，研究结果表明在组水平影响可能 modest，因为观测/等值认知分类在所有三个队列约90%的评估中一致，Cohen's κ表明 substantial 一致性。第五，视觉和听力障碍未正式评估或控制，其対测试表现的潜在影响不能排除。总之，本研究证明T-MoCA在组水平与F2F MoCA-22统计学等效，尽管中等个体水平吻合度支持对个体评分谨慎解读。此外，等百分位等值法提供了稳健且外部验证的方法，用于在PD和iRBD中将MoCA-22评分转换为估计MoCA-30评分。综合来看，这些发现支持在面对面评估不可行时使用T-MoCA作为认知筛查工具，并为PD和前驱期PD研究中协调远程和面对面MoCA数据提供了转换框架。
