为印度农村人口创建认知规范数据

《Frontiers in Aging Neuroscience》：Creating cognitive normative data for rural Indian population

　　

摘要
引言：人群特异性常模数据对于准确解释认知测试表现至关重要，尤其是在低识字率的资源匮乏环境中。在印度，农村社区老年人中印度医学研究委员会-神经认知工具盒（ICMR-NCTB）的常模值有限。本研究的目标是生成ICMR-NCTB认知域的教育分层常模值，并评估其横向分类能力，以识别印度农村高风险老年人中的早期认知障碍。方法：基线数据来源于印度高风险老年人痴呆预防战略多模式干预（SMRUTHI）队列，这是一项在印度四个农村地区开展的大型多中心社区研究。研究人员使用ICMR-NCTB成套测验对55岁及以上成年人进行神经心理学评估。研究人员采用分位数回归和Box-Cox幂指数（BCPE）方法估计常模百分位数，以考虑测试分数分布的偏度和峰度，并校正中心效应。受试者工作特征（ROC）分析评估了单个测试和复合分数区分正常认知与早期认知障碍（由临床痴呆评定量表-总分盒（CDR-SOB）定义）的能力。结果：在预筛选的3,917名个体中，研究纳入了3,000名认知正常者和175名认知受损者。教育程度与表现呈中等程度关联，而年龄和性别的影响最小。常模数据显示老年各年龄层呈现稳定模式，具有稳定的、领域特异性的年龄相关变化，而非意外下降。识字者表现优于低识字者。ROC分析表明，多项测试（尤其是情景记忆测量和复合z分数）的分类性能为可接受至良好（ROC曲线下面积高达0.84）。经验推导的切点近似于第25百分位数，在筛查目的下平衡了敏感性和特异性。讨论：这项大规模社区研究为印度农村高风险老年人生成了ICMR-NCTB的年龄-教育分层常模数据。研究结果强调了在低识字率和高文化多样性的环境中，人群特异性、基于百分位数的常模值对于早期检测认知障碍的重要性，同时指出了某些测量中天花板效应的局限性。

论文解读文章

**研究背景与问题**
全球老年人口预计到2050年将增长22%，亚洲老年人口比例在2020年至2060年间将从56.7%上升至61.5%，印度老年人口比例预计到2050年将翻倍。这一人口结构变化凸显了理解年龄相关健康问题（尤其是认知功能）的重要性。根据美国国家老龄化研究所和阿尔茨海默病协会（NIA-AA）的综合征认知分期方案，认知连续谱分为认知未受损（CU）、轻度认知障碍（MCI）和痴呆（进一步分为轻度、中度、重度）。认知障碍（MCI或痴呆）已知会影响个体的健康、整体生活质量及生存率，常导致老年人残疾率升高。尽管印度约有880万（7.4%）老年人患有痴呆，且病例在不同邦和居住地分布不均，但在资源匮乏环境中，关于认知功能及其与人口学、社会经济、健康和行为因素的多方面关联的实证性人群研究仍十分有限。一个重要障碍是缺乏文化适宜且语言适应的神经心理学测试及其可靠的常模数据。印度人口不仅在语言和宗教上存在异质性，还受到多种文化和社会经济因素影响，这些因素可能混淆神经心理学测试表现。在缺乏正规教育、医疗服务和有效常模基准的农村地区，认知测试尤为困难，当应用在城市或识字人群中验证的常模值时，会导致诊断延迟和误分类风险增加。因此，建立适用于印度农村老年人的ICMR-NCTB常模数据是当前迫切需求。

**研究目的与意义**
本研究旨在生成ICMR-NCTB测试的教育分层常模值，并评估其区分正常认知与早期认知障碍的分类能力。论文发表在《Frontiers in Aging Neuroscience》。该研究利用来自SMRUTHI队列（一项在印度四个农村地区开展的大型多中心社区研究）的基线数据，覆盖北、南、东、西四个区域，增强了常模的普适性。研究结果突出了人群特异性、基于百分位数的常模值在低识字率和高文化多样性环境中的重要性，对早期认知障碍筛查和痴呆预防具有重要临床和政策意义。

**主要关键技术方法**
1. **样本来源与队列**：数据来源于SMRUTHI队列，该队列纳入印度四个农村地区（喜马偕尔邦、卡纳塔克邦、特里普拉邦、拉贾斯坦邦）的55岁及以上高风险老年人（心血管风险因素、衰老与痴呆发病率（CAIDE）评分≥6）。
2. **神经心理学评估**：使用ICMR-NCTB成套测验，包括言语学习测验（VLT）、图片命名测验（PNT）、连线测验（TMT）、类别流畅性测验（CFT）、TNI-93和棒设计测验（SDT），针对识字和低识字人群采用不同版本。
3. **统计建模**：
- 采用分位数回归处理测试分数分布的偏度和峰度，估计指定百分位数（5th–95th）的常模值。
- 使用Box-Cox幂指数（BCPE）方法作为补充，建模中位数、变异系数、偏度和峰度参数。
- 通过95%百分位间范围（IPR）比较六种模型（含年龄、性别、教育主效应及交互效应），选择最优模型。
- 将中心作为固定效应纳入模型，以校正中心间差异。
4. **分类能力评估**：利用受试者工作特征（ROC）分析，以临床痴呆评定量表-总分盒（CDR-SOB）为金标准，计算各测试及复合z分数的曲线下面积（AuROC）、切点、敏感性和特异性。

**研究结果**
**3.1 中心作为固定效应**
通过比较含与不含中心固定效应的线性回归模型，含中心固定效应的模型（AIC=26,611；BIC=26,653；R2=20%）显著优于不含中心的模型（AIC=27,148；BIC=27,172；R2=1.5%），表明中心解释了测试表现的大部分变异。在含中心固定效应的模型中，性别和教育效应消失，年龄变得显著，提示先前归因于人口学变量的变异实际上由中心间差异吸收。

**3.2 模型比较（95%百分位间范围）**
对12项认知测试分别运行六种模型（M1–M6），比较95% IPR宽度以选择最优拟合模型。结果显示，对于多数测试，M6（含性别、教育交互效应）或M3（含年龄、教育交互效应）为最优模型。在低识字或非识字亚组中，教育特异性模型对VLT延迟回忆表现良好。因此，报告了年龄和教育分层的常模值（见表4、表5、表6）。

**3.3 切点选择**
研究推荐第15百分位数作为筛查切点，因其平衡了敏感性和特异性，对应于约-1.0 SD。第25百分位数（约-0.7 SD）被视为较宽松的切点，但鉴于MCI的动态性，任何个体测量值等于或低于第25百分位数均提示认知障碍可能性增加。ROC分析得出的经验切点大致对应于第25百分位数，支持在印度临床和研究环境中使用该切点进行筛查。

**3.4 认知障碍状态及相关因素**
基于3,175名参与者的数据，评估ICMR-NCTB测试分数对CDR-SOB定义的认知障碍的分类能力。早期认知障碍者（70.1±8.9岁）并不比认知正常者（66.1±7.7岁）更年长；低识字者中认知障碍比例（6.3%）高于识字者（0.7%）。ROC分析显示，多数测试的AuROC介于0.52至0.84之间，其中情景记忆测试（VLT总学习：0.83；VLT延迟回忆：0.81）和复合z分数（0.84）表现最佳。复合z分数的切点为-1.16（对应第12百分位数），敏感性71.4%，特异性77.4%。识字者表现优于低识字者，差异最大的测验包括TMT-A、TMT-B、VLT学习和延迟回忆及SDT。

**讨论与结论**
讨论部分指出，本研究首次在印度农村高风险老年人中提供了ICMR-NCTB的年龄-教育-性别-中心调整常模数据，并呈现了语言-年龄和语言-教育特异性结果。研究证实测试分数分布呈显著非正态性，支持使用分位数回归和BCPE方法。常模数据显示老年各年龄层认知表现稳定，识字者优于低识字者，与SANSCOG研究等先前研究一致。然而，部分测试（如TNI-93、PNT、SDT）存在天花板效应，限制了其检测细微认知变化的能力，BCPE方法对这些测试不适用。研究建议第25百分位数作为筛查切点，但需谨慎解释上尾表现。结论部分强调，本研究提供的年龄、教育、性别和中心调整常模数据，以及年龄-教育分层值，为区分认知下降与教育、性别或年龄限制所致表现不佳提供了实用工具。常模数据呈现稳定模式，识字者优于低识字者，语言-年龄百分位数常模有助于提高筛查精度。然而，天花板效应和分位数回归模型在极端百分位数偶尔不收敛，凸显了某些测量在检测细微认知变化方面的局限性。总体而言，ICMR-NCTB是临床评估和社区研究的稳健工具，但在需要高敏感性检测早期认知下降时，需补充其他测量方法。本研究为印度农村高风险老年人认知障碍研究树立了里程碑，为政策制定者设定早期认知下降筛查阈值提供了依据，有助于在低资源环境中实现公平识别和早期干预。