网站 Banner

        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，为了解病情如何随着时间的推移而不是从孤立的风险因素中发展提供了新的见解。

         该研究发表在《生物医学》杂志上，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，并验证了全国多元化的 All of Us 研究计划的结果。 与加州大学洛杉矶分校 （UCLA） 分析之前的研究侧重于个体风险因素，绘制了顺序诊断模式，揭示了病情如何逐步发展为阿尔茨海默病。

         “我们发现，与单一情况相比，多步骤轨迹可以表明阿尔茨海默病的风险因素更大，”第一作者、加州大学洛杉矶分校医学信息学博士前生 Mingzhou Fu 说。 “了解这些途径可以从根本上改变我们进行早期检测和预防。

         该研究确定了四个主要轨迹集群：

         每条途径都表现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进展途径的影响。

         研究发现，大约 26% 的诊断进展显示出一致的方向顺序。 例如，高血压通常先于抑郁发作，这会增加阿尔茨海默病的风险。

         “识别这些顺序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，“主要作者博士说。 Timothy Chang，加州大学洛杉矶分校健康中心神经病学助理教授。

         当在独立人群中验证时，这些多步骤轨迹比单独的单一诊断更准确地预测了阿尔茨海默病的风险。 这一发现表明，医疗保健提供者可以将轨迹模式用于：

         All of Us 研究计划中的验证 -- a多元化、具有全国代表性的队列 -- 证实这些轨迹模式适用于不同的人群和人口统计数据。

         该团队分析了 5,762 名患者，这些患者贡献了 6,794 个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。

         MF、SS、BP、KV 和 TSC 分别为由美国国立卫生研究院 （NIH） 国家老龄化研究所 （NIA） 资助 R01AG085518-01A1 支持。 此外，MF 和 TSC 获得了 NIH/NIA 赠款 K08AG065519-01A1 的支持，而 TSC 和 KV 则得到了 NIH/NIA 赠款 UH2AG083254 的支持。 KV 获得了多项 NIH 赠款的进一步支持，包括 R01AG081768A、R01NS033310、R01AG075955、R01AG058820、R01AG068317、U01NS100608 和 U24AG056270。 TSC 和 KV 也得到了加州公共卫生部 （CDPH） 的支持，阿尔茨海默病计划慢性病控制处，合同 #22-10079 和 #23-10648，TSC 根据合同 #24-10127 获得 CDPH 的额外支持。 TSC 还得到了 NIH 国家神经疾病和中风研究所 （NINDS） U54NS123746 资助的支持。 SS 通过 CAREER 奖1943497和赠款R35GM153406获得了美国国家科学基金会 （NSF） 的资助。 BP 得到了 NIH 赠款 R01HG009120、R01MH115676 和 R01HG006399 的支持。 作者还感谢 NIH 国家促进转化科学中心 （NCATS） 在加州大学洛杉矶分校临床和转化科学研究所拨款UL1TR001881下的支持，以及加州大学健康中心数据驱动洞察和创新 （CDI2） 的分析和技术支持。