《Sensors》：Association Between Smartphone-Based IMU Turning Performance and Screening-Defined Mild Cognitive Impairment in Older Adults
编辑推荐：
本研究使用认知筛查工具而非临床诊断来定义社区老年人的筛查定义的轻度认知障碍（screening-defined MCI）。基于智能手机的计时起立行走测试（iTUG）使用惯性测量单元（IMU）传感器，能够定量评估各个运动成分。这项横断面研究调查了318名年龄≥6
本研究使用认知筛查工具而非临床诊断来定义社区老年人的筛查定义的轻度认知障碍（screening-defined MCI）。基于智能手机的计时起立行走测试（iTUG）使用惯性测量单元（IMU）传感器，能够定量评估各个运动成分。这项横断面研究调查了318名年龄≥65岁社区老年人中转身1时间（Turn 1 time）与筛查定义的MCI之间的关系。认知功能使用日本版蒙特利尔认知评估（MoCA-J）进行评估；177名得分≤25的参与者被归类为具有筛查定义的MCI，141名得分≥26的参与者被归类为无筛查定义的MCI。筛查定义的MCI参与者的转身1时间显著长于无筛查定义的MCI参与者（中位数[IQR]，1.40 [1.20–1.50]对1.20 [1.10–1.30]秒；p < 0.001）。受试者工作特征（ROC）分析得出曲线下面积（AUC）为0.694（95% CI，0.637–0.751），使约登指数最大化的初步数据衍生截断值为1.35秒（敏感性，0.525；特异性，0.780）。调整年龄和性别后，转身1时间每增加0.1秒与筛查定义的MCI的较高几率相关（OR，1.322；95% CI，1.176–1.487；p < 0.001），而转身1时间≥1.35秒与约三倍高的筛查定义的MCI几率相关（OR，3.108；95% CI，1.832–5.271；p < 0.001）。在额外调整最大步行速度和心理困扰后，该关联仍然显著（每增加0.1秒的OR，1.286；95% CI，1.135–1.457；p < 0.001）。基于智能手机的iTUG评估转身表现可能作为更广泛评估的一部分，与既定的认知筛查措施一起提供补充性的活动相关信息。1.35秒的截断值应被视为探索性分析中的初步数据衍生阈值，不应用于临床决策，并且在进行任何临床应用考虑之前需要在独立样本中进行验证。
随着全球人口老龄化加剧，痴呆症已成为老年人失能和依赖的重要病因，给个人、家庭、医疗系统和社会带来沉重负担。轻度认知障碍（MCI）被视为正常认知老化与痴呆之间的过渡状态，其进展为痴呆的风险显著升高，因此早期识别可能患有MCI的老年人对于促进进一步认知评估和制定预防策略具有重要意义。认知衰退不仅表现为记忆或执行功能下降，也可能体现在活动能力和姿势控制的变化上。步行并非纯粹的 motor 任务，还涉及注意力、执行功能等认知过程；纵向研究显示步速减慢可能先于认知衰退。然而，临床上广泛使用的常规Timed Up and Go（TUG）测试仅记录完成全部动作的总时间，无法区分站起、直走、转身、返回、坐下等具体运动成分的贡献。近年来，基于智能手机的仪器化TUG（iTUG）利用惯性测量单元（IMU）传感器，可客观量化TUG各成分的持续时间，为识别与认知功能相关的细微活动改变提供了新途径。其中转身是一项复杂的运动任务，要求肢体协调、动态姿势控制、空间感知和执行功能整合，可能与认知功能关系尤为密切。但既往关于智能手机测量的转身参数对认知障碍的判别能力及其截断值的研究仍较有限。为此，研究人员开展了一项横断面研究，探讨基于智能手机iTUG测得的转身1时间（Turn 1 time）与筛查定义的轻度认知障碍（screening-defined MCI）在社区老年人中的关联，并评估其判别能力与截断值。该研究成果发表于《Sensors》。
研究人员使用了来自日本福岛县福岛市、南相马市和镜石町三个市镇的社区老年人队列，最终纳入318名年龄≥65岁、能独立行走的受试者。研究采用日本版蒙特利尔认知评估（MoCA-J）定义筛查性MCI（≤25分为阳性，≥26分为阴性），并使用内置IMU传感器的iPhone 12 mini上的Hacaro iTUG应用程序，将TUG自动分割为Stand、Go、Turn 1、Come、Turn 2和Sit六个成分，记录各成分时间、总iTUG时间、三维躯干加速度体积（3D-TAV）和iTUG评分。统计方法包括Mann–Whitney U检验、Spearman相关分析、组内相关系数（ICC）评估重测信度、受试者工作特征（ROC）曲线分析及多变量二元逻辑回归分析，并进行了年龄分层和性别分层等探索性分析。主要结果为：Turn 1时间在筛查定义MCI组显著延长，且与MoCA-J得分呈负相关；ROC分析AUC为0.694，约登指数最大化的截断值为1.35秒；调整年龄和性别后，Turn 1时间每增加0.1秒的OR为1.322，额外调整最大步行速度和心理困扰后仍显著。结论提示，智能手机iTUG测得的转身时间可作为认知筛查的补充活动性指标，但不宜单独作为筛查工具。
在结果部分，研究按以下小标题呈现发现：
3.1 按性别划分的参与者特征：318名参与者中位年龄75岁（IQR 72–79），女性占74.5%。性别差异显著存在于身高、体重、Stand时间、Turn 2时间、握力、膝伸展力、MoCA-J得分和K6总分，但Turn 1时间无显著性别差异（p = 0.210）。
3.2 筛查定义MCI与无MCI参与者的特征比较：177名参与者被归类为筛查定义MCI，141名为非MCI。MCI组年龄显著更大，iTUG评分更低，总iTUG时间更长，六个成分时间（Stand、Go、Turn 1、Come、Turn 2、Sit）均显著较长，其中Turn 1时间中位数为1.40秒对1.20秒。MCI组3D-TAV更低，膝伸展力、最大步行速度和单腿站立时间更低，KCL得分更高，但握力和K6总分无显著差异。
3.3 iTUG参数与MoCA-J得分之间的相关性：Spearman相关分析显示MoCA-J得分与iTUG评分呈正相关（rs = 0.284，p < 0.001），与总iTUG时间（rs = ?0.380）和Turn 1时间（rs = ?0.336）呈负相关（均p < 0.001）。
3.4 转身1时间的日内重测信度：基于两次iTUG试验的组内相关系数（ICC）为0.813（95% CI，0.772–0.847），表明Turn 1时间具有良好日内重测信度。
3.5 识别筛查定义MCI的ROC分析：Turn 1时间区分有无筛查定义MCI的AUC为0.694（95% CI，0.637–0.751），约登指数最大化的初步截断值为1.35秒，敏感性0.525，特异性0.780。年龄分层显示65–74岁组的AUC为0.630，截断值1.05秒（敏感性0.980，特异性0.230）；≥75岁组的AUC为0.702，截断值1.35秒（敏感性0.594，特异性0.716）。
3.6 转身1时间与筛查定义MCI的关联：调整年龄和性别后，Turn 1时间每增加0.1秒，筛查定义MCI的OR为1.322（95% CI，1.176–1.487；p < 0.001）。采用1.35秒截断值二分后，Turn 1时间≥1.35秒的OR为3.108（95% CI，1.832–5.271）。在额外调整最大步行速度和K6总分后，每0.1秒增加的OR为1.286（95% CI，1.135–1.457），关联仍显著。性别分层显示男性和女性中关联均显著，且交互项不显著（p = 0.759）。以MoCA-J总分作为连续结局的线性回归也显示Turn 1时间每增加0.1秒，MoCA-J得分降低B = ?0.299（95% CI，?0.429至?0.169；p < 0.001）。
讨论部分指出，筛查定义MCI组的整体活动能力更差，所有iTUG成分时间均延长，这与既往研究一致。Turn 1时间与认知表现的相关性可能反映了转身任务对运动整合与执行控制的高要求。尽管总iTUG时间与MoCA-J的相关性略强于Turn 1时间（rs = ?0.380对?0.336），但成分分析能揭示更具体的活动域改变。Turn 1时间在额外调整步行速度和心理困扰后仍与筛查定义MCI显著相关，提示该关联并非由整体步行能力或心理困扰所解释。然而，ROC AUC为0.694，敏感性仅0.525，说明Turn 1时间作为单一筛查指标会漏掉近半数患者，故更适合作为更广泛评估中的补充性活动指标。年龄分层提示在≥75岁老年人中判别能力较好，但65–74岁组特异性很低，该结果仅为探索性。研究局限性包括横断面设计无法推断因果、使用单一MoCA-J截断值而非临床诊断可能造成错分、研究对象为可独立行走的社区老年人，结果泛化性有限，且未系统评估合并症、日常行走辅助器具使用及转向方向的影响。尤其是1.35秒截断值来源于同一数据集，未经独立验证，存在乐观偏倚风险。
结论：基于智能手机iTUG测得的较长Turn 1时间与社区老年人的筛查定义MCI显著相关，且在校正最大步行速度和心理困扰后仍保持显著。这些发现提示，基于智能手机iTUG的定量转身评估可作为更广泛评估的一部分，提供补充性的活动相关信息。然而，Turn 1时间不应被解释为筛查定义MCI的独立筛查指标。本研究并未证明Turn 1优于总iTUG时间或其他iTUG成分。ROC衍生的1.35秒截断值应被视为探索性分析中的初步数据衍生阈值，需在独立样本中验证后才能确定其临床用途。未来还需纵向研究来评估包括Turn 1时间在内的各iTUG成分对认知衰退的预测价值。
