加州大学洛杉矶分校健康中心的研究人员发现了导致阿尔茨海默病的四种途径

加州大学洛杉矶分校健康中心的研究人员发现了导致阿尔茨海默病的四种途径

加州大学洛杉矶分校健康中心的研究人员通过分析电子健康记录，确定了导致阿尔茨海默病的四种不同途径，为了解该疾病如何随着时间的推移而不是孤立的危险因素而发展提供了新的见解。

该研究发表在期刊上生态医学检查了加州大学健康数据仓库中近 25,000 名患者的纵向健康数据，并在美国全国范围内的多元化研究项目中验证了结果。与之前关注个体风险因素的研究不同，加州大学洛杉矶分校的分析绘制了连续的诊断模式，揭示了病情如何逐步发展为阿尔茨海默病。

我们发现，与单一疾病相比，多阶段轨迹可能表明阿尔茨海默病的危险因素更高。了解这些途径可以从根本上改变我们检测和预防早发的方式。 “

付明洲，第一作者，加州大学洛杉矶分校医学信息学博士前学生

研究中确定了四个主要轨迹簇：

– 心理健康途径：导致认知能力下降的精神疾病

– 脑病途径：随着时间的推移，脑功能障碍状况不断升级

– 轻度认知障碍途径：认知能力逐渐下降

– 血管疾病途径：导致痴呆风险的心血管疾病

每条途径都显示出不同的人口统计学和临床​​特征，表明不同的人群可能容易受到不同的进展途径的影响。

研究发现，大约 26% 的诊断进展表现出一致的方向顺序。例如，高血压通常先于抑郁症发作，从而增加患阿尔茨海默病的风险。

“认识这些连续模式，而不是孤立地关注诊断，可能有助于临床医生改善阿尔茨海默病的诊断，”资深作者、加州大学洛杉矶分校健康中心神经病学助理教授 Timothy Chang 博士说。

当这些多水平轨迹在独立人群中得到验证时，他们比单独的个体诊断更准确地预测阿尔茨海默病。这一发现表明医疗保健提供者可以使用轨迹模式来：

– 改进风险分层：在疾病进展早期识别高风险患者

– 有针对性的干预措施：在有害序列进展之前中断它们

– 个性化预防：基于个体路径母亲的适应策略

美国研究项目（一个具有全国代表性的多元化群体）的验证证实，这些轨迹模式适用于不同的人群和人口统计数据。

研究方法

该团队分析了 5,762 名患者，他们提供了 6,794 条独特的阿尔茨海默病进展轨迹。研究人员使用先进的计算方法，包括动态时间扭曲、机器学习聚类和网络分析，绘制了导致阿尔茨海默病的诊断之间的时间关系。

资料来源：