《Epilepsia》:The International Classification of Cognitive Disorders in Epilepsy (IC-CoDE) Portal: An open source resource for neuropsychological research in epilepsy
编辑推荐:
目的:癫痫认知障碍国际分类(IC-CoDE)是一种基于共识、经验驱动的方法,用于标准化癫痫研究中的认知表型分析,已在癫痫学界迅速引起关注。然而,在包含异质性认知测量或成套测验的数据集中,手动生成IC-CoDE表型既费力又耗时,限制了IC-CoDE表型在促进多中
目的:癫痫认知障碍国际分类(IC-CoDE)是一种基于共识、经验驱动的方法,用于标准化癫痫研究中的认知表型分析,已在癫痫学界迅速引起关注。然而,在包含异质性认知测量或成套测验的数据集中,手动生成IC-CoDE表型既费力又耗时,限制了IC-CoDE表型在促进多中心癫痫研究中的广泛应用。方法:为消除这一障碍,研究人员开发了IC-CoDE门户(https://ic-code-portal.ccf.org/),这是一个交互式、用户友好的基于网络的平台,通过Web界面支持科学界进行IC-CoDE个体水平分类,或通过上传数据文件进行批量分类。该门户还允许用户生成并可视化其数据集中认知表型的队列汇总统计,并可选择按指定的感兴趣人口统计学或临床变量交互式过滤数据。进一步将生成的IC-CoDE表型下载为电子表格,以促进癫痫研究界成员对认知数据的离线分析。意义:认知特征的确定是理解癫痫及其合并症临床表现的自然异质性的关键。IC-CoDE分类法可应用于任何全面的神经心理成套测验,无论所使用的特定测试测量和常模数据如何,也无论评估发生的语言和文化背景,这使其成为加速国际多中心癫痫认知研究的理想工具。研究人员希望通过消除与认知表型分析相关的一些障碍,IC-CoDE门户将推动大规模合作努力,以进一步理解癫痫的神经心理学。
研究人员针对癫痫认知障碍国际分类(IC-CoDE)表型分析流程繁琐、易出错且难以在多中心研究中推广应用的现状,开发了IC-CoDE门户(IC-CoDE Portal)。该门户是一个基于网络的交互式平台,旨在自动化生成IC-CoDE认知表型,支持单病例分析和批量数据处理,并提供可视化的队列统计功能。此项研究成果已发表于《Epilepsia》杂志。
为实现这一目标,研究人员采用了几项关键技术方法。首先,利用Shiny框架(R版本4.4.0)构建了完全基于浏览器的Web应用程序,并部署于Google Cloud服务上,确保了跨平台和移动设备的兼容性。其次,通过R语言中的ggplot2和plotly库实现数据的可视化展示。在验证环节,研究人员使用了来自两个不同机构的三个独立癫痫神经心理学数据集(总样本量N=1768),通过比较手动生成的表型与门户生成表型的差异来评估一致性。此外,研究还邀请了包括ILAE神经心理学工作组和INS癫痫特别兴趣小组成员在内的五名神经心理学家进行了Beta测试,以评估用户体验和功能准确性。
研究结果具体如下:
在门户的开发与实施方面,IC-CoDE门户被构建为一个用户友好的Web应用,兼容所有主流浏览器。源代码发布于GitHub仓库,并在门户网站上提供了教程视频。经过由七名癫痫专科临床神经心理学家组成的团队审查及外部专家的Beta测试后,门户根据反馈优化了布局、测试说明清晰度及图表标签,最终正式上线。
在门户验证方面,通过使用三个独立数据集进行比较,结果显示手动方法与IC-CoDE门户生成的表型分类具有极高的一致性。经计算,Cohen's kappa系数(κ)达到0.996,表明两者之间存在“几乎完美”的协议(agreement)。研究发现,手动编码过程中存在微小的语法错误(例如在处理小数分数时的截断问题),导致少量病例(少于1%)出现表型误分类,而门户则能准确识别数据缺失或边界值问题。这证明了自动化工具在减少人为计算错误方面的优势。
在所需设备方面,使用该门户仅需具备启用JavaScript的互联网浏览器和用于处理批量数据的电子表格软件(如Microsoft Excel)。
在使用说明方面,门户提供了个体和群体两种计算模式。个体模式通过下拉菜单输入各认知领域的测试分数,系统会自动检查数据范围并生成包含损伤分析、修饰因子及所用测试列表的输出结果。群体模式则允许用户创建定制化的Excel模板,上传后可自动生成整个队列的IC-CoDE表型,并以交互式饼图形式展示分布,同时支持按人口统计学或临床变量进行过滤,结果可下载为.csv文件以便离线分析。
在会话管理与数据处理方面,应用服务器端不实施持久缓存、数据库存储或外部存储机制。会话状态仅在活动用户会话期间保存在内存中,约15分钟不活动或关闭浏览器后,所有内存数据将被销毁,上传的文件仅写入容器内的临时目录进行处理,确保了数据隐私和安全。
在适用范围与局限性方面,目前IC-CoDE门户仅供研究使用。表型生成的准确性高度依赖于输入数据的质量和广度,因此最适用于包含多个认知领域内多项测量的综合神经心理成套测验。此外,目前的外部用户测试仅限于少数神经心理学家,未来需要更大规模的样本进行更全面的用户体验评估。
综上所述,IC-CoDE门户将原本劳动密集型、易出错的认知表型分析程序转化为全球研究者均可使用的快速、可重复的工作流程。它不仅显著降低了多中心数据协调的门槛,还通过内置的可视化分析和下载选项促进了透明的数据探索。该门户能够同时计算多种截点分数下的表型,并考虑个体间测试施测的差异,使其成为认知表型分析的理想工具。未来的计划增强功能包括集成应用程序编程接口(API)以支持程序化批处理,以及与影像学和遗传学数据库的链接,以支持多模态表型-生物标志物分析。IC-CoDE门户作为一个可扩展的开源资源,有望加速癫痫神经心理学领域的发现,并为针对认知相关共病的精准医学计划提供信息支持。