本文内容如下e-collection /主题问题:

关于老龄化的观点、观点、想法(8) 痴呆症和认知能力下降(284) 数字生物标志物和数字表型(123) 老年人认知训练(57) 原地老化(131)

发表在在第5卷第3期(2022):7 - 9月

本文的预印本(早期版本)可在https://preprints.www.mybigtv.com/preprint/38130，首次出版．
在体内捕捉认知老化:新兴数字工具的神经心理学框架的应用

在体内捕捉认知老化:新兴数字工具的神经心理学框架的应用

在体内捕捉认知老化:新兴数字工具的神经心理学框架的应用

本文作者:

凯瑟琳·哈克特1 作者:Orcid； 塔尼亚Giovannetti1 作者:Orcid
文章 作者 引用的 Tweetations (12) 指标

    的观点

    美国坦普尔大学心理与神经科学系，费城

    通讯作者:

    塔尼亚·乔瓦尼蒂博士

    心理与神经科学系

    天普大学

    北13街1701号

    韦斯大厅6楼

    费城，宾夕法尼亚州，1922年

    美国

    电话:1 215 204 4296

    电子邮件:tania.giovannetti@temple.edu


    随着痴呆症的全球负担继续困扰着我们的医疗保健系统，越来越需要有效、客观和敏感的工具来检测神经退行性疾病并捕捉日常认知中有意义的变化。新兴的数字工具为解决当前方法的许多缺点提供了一个有希望的选择，其使用背景包括早期检测、风险分层、预后和结果测量。然而，缺乏指导假设和解释数字工具结果的概念模型，需要对来自各种传感器的大量连续数据进行分类和组织。在这个观点中，我们提出了一个神经心理学框架，用于与关键新兴方法-数字表型一起使用。日常行为变异性(VIBE)模型植根于神经心理学、神经学、康复心理学、认知神经科学和计算机科学文献的既定趋势，并将个体内部变异性、认知能力和日常功能的模式联系起来，跨越从健康到痴呆的临床阶段。基于VIBE模型，我们提出了可测试的假设，以指导设计和解释捕获体内日常认知的数字表型研究。我们总结了方法上的考虑和未来的发展方向，关于数字表型方法的应用，以提高老年人认知评估的效率、可及性、准确性和生态有效性。

    吉林大学学报(自然科学版);2022;5(3):e38130

    doi: 10.2196/38130

    关键字

    数字表现型； 神经心理学； 老化； 痴呆； 智能手机； 神经系统； 心理； 老年人； 老化


    痴呆症是一种与认知缺陷相关的临床综合征，损害日常功能，对我们的医疗保健系统构成了巨大且日益严峻的挑战。随着全球老年人口的不断增加，医学上变得更加复杂和多样化，如果没有目前的药物治疗来改善认知和功能，将发展为阿尔茨海默病和相关痴呆(ADRD)的人数[1]预计将从2021年的5500万增加到2050年的1.39亿，增长三倍[2］．对残疾调整生命年(即因过早死亡而损失的年数和残疾生活年数的总和)的估计表明，ADRD对被诊断的个人、他们的家庭和他们的照顾者来说是极其沉重的负担，在美国排名前10位。3.］．在神经退行性变和功能残疾开始之前进行早期诊断和干预是有意义地延迟疾病负担和促进衰老的一条有希望的途径。4-6］．从卫生经济学的角度来看，估计早期发现前驱轻度认知障碍(MCI)阶段[7仅在美国就能节省7.9万亿美元[8］．新颖的数字方法在有效、可及、可靠和准确地评估反映ADRD的早期认知变化方面具有巨大的潜力。然而，为了达到最有效的效果，数字工具应该以解释和预测早期认知变化的概念模型为基础。

    在这一观点中，我们将重点关注数字表型的应用，以评估功能认知中与年龄相关的变化，包括早期检测、风险分层、预后和结果测量。我们首先概述了目前检测病理性认知变化的方法以及它们明显的缺点。介绍了数字表型方法作为一种有前途的补充方法。然后，我们提出了一个日常认知和功能变化的神经心理学框架，称为日常行为变异性(VIBE)模型，该模型可用于为研究提供信息，并在数字表型背景下产生可测试的假设。本文还总结了支持VIBE模型发展的文献。我们总结了关于数字表型方法的方法学考虑和未来方向。


    神经退行性病理可以直接在脑组织中测量，也可以在脑脊液和血液中检测[9];使用基于生物标志物的ADRD诊断框架对生物措施进行分类[10，11］．重要的是，现有的生物标志物检测方法是昂贵的，不广泛使用，并且可能是侵入性的，这取决于方法(例如，腰椎穿刺)。然而，更令人担忧的是，神经退行性疾病的生物学指标提供的临床结果信息有限，如进展、认知能力和日常功能[12，13］．例如，大约30%的具有大量淀粉样蛋白负担的个体(核心阿尔茨海默病(AD)的生物标志物)未能表现出痴呆的临床症状，而高达25%的符合阿尔茨海默病临床标准的个体没有或有限的淀粉样蛋白负担。14］．考虑到临床结果(如认知和功能能力)最能预测生活质量、护理成本和独立性，生物学结果的优先级也令人担忧，而这些结果恰恰是个体诊断、护理人员、医疗保健专业人员和政策制定者最看重的结果。15］．

    与生物标志物测试相比，神经心理学评估更便宜，侵入性更低，目前用于临床分期、鉴别诊断、追踪认知功能随时间的变化，并提供个性化建议。用于临床评估的神经心理学测量已经经历了广泛的心理测量验证，并由认知神经科学理论提供信息。目前，神经心理学测试结果是痴呆和MCI临床诊断标准的关键组成部分[10，16，17]并作为大多数临床试验的主要终点[18］．近年来，一些神经心理学测试和综合措施显示出在识别症状前疾病阶段发生的非常早期的细微变化方面有希望[19-21］．

    然而，目前的评估方法存在方法上的缺陷，包括长时间和资源密集的面对面测试，通常对服务不足或农村社区的个人来说是无法获得的，高度控制的测试环境会导致有限的生态有效性和测试焦虑，繁琐且容易出错的评分程序，以及有限的数据共享基础设施。传统的评估是在单一的情况下进行的，代表了一次性的快照，可能不能反映个人的典型表现范围或干预环境因素[22，23］．即使进行重复测试，两次测试之间的练习效果也可能掩盖细微但有意义的认知衰退[24］．

    新的移动和计算机化平台具有更高的效率和灵敏度，例如重复的动态认知评估，解决了这些方法上的一些缺点[25]并在包括健康老年人和社区老年人在内的人群中进行了各种研究[22，26]，临床前AD患者[27]，以及轻度认知障碍或早期痴呆患者[28］．然而，许多这些方法仍然是(A)传统的测试，测量孤立的认知领域与有限的生态有效性建模;(B)易受实践影响[29];(C)受社会经济地位和文化因素的影响[30.-32];(D)即使在高度积极和投入的个人中，坚持学习也容易遇到挑战，特别是在学习时间较长的情况下[D]27，33，34］．因此，尽管在数字认知评估领域取得了巨大的进步，但现有的方法在不同人群和现实世界的环境中仍然显示出有限的通用性，即使在诊所以外的家庭使用时也是如此。当前方法的优缺点总结于表1．

    表1。当前病理改变检测方法的优缺点。
    方法 的优势 弱点
    生物标志物检测
    • 疾病在体内存在的客观测量
      • ‎
    • 敏感性好/早期发现目标病理
      • ‎
    • 定位病理的能力
      • ‎
    • 识别特定病理的能力
      • ‎
    • 高成本
      • ‎
    • 有限的可访问性
      • ‎
    • 潜在侵入性(CSF)一个和血液生物标志物)
      • ‎
    • 与功能结果的对应有限
      • ‎
    • 预测价值有限
      • ‎
    • 解释可能是主观的
      • ‎
    传统的神经心理学评估
    • 被认知神经科学理论广泛验证和告知
      • ‎
    • 非侵入性
      • ‎
    • 测量离散认知能力
      • ‎
    • 提供个性化建议
      • ‎
    • 与功能结果适度对应
      • ‎
    • 有限的可访问性
      • ‎
    • 冗长且容易出错的管理和评分程序
      • ‎
    • 高度控制的环境和任务/有限的生态有效性
      • ‎
    • 对早期衰退的敏感性有限
      • ‎
    • 没有上下文的单一时间点
      • ‎
    • 重复给药的练习效果
      • ‎
    • 受社会经济和文化因素影响
      • ‎
    移动认知评估
    • 简短的管理
      • ‎
    • 改进的可访问性
      • ‎
    • 提高灵敏度的潜力
      • ‎
    • 非侵入性
      • ‎
    • 能够评估日常环境和多个时间点的认知能力
      • ‎
    • 可能减少考试焦虑
      • ‎
    • 坚持的挑战
      • ‎
    • 重复给药的练习效果
      • ‎
    • 使用个人设备时，硬件和软件差异的影响
      • ‎
    • 社会经济/文化因素的持续影响
      • ‎
    • 不受控制的测试环境可能导致测量误差/噪声增加
      • ‎

    一个CSF:脑脊液。

    新兴的数字工具提供了一个独特的机会来解决传统的、计算机化的和移动的认知测试的许多缺点。其中一种方法是数字表型，这是一种创新的方法，它利用“个体水平的人类表型的实时量化”，基于与技术的互动，包括智能手机和智能家居设备，被动地、连续地、以最小的干扰捕获社会和行为数据。35-37］．由于大多数日常任务需要多个认知过程的协调努力，并且高度依赖于环境，因此与在诊所、实验室或离散时间内进行的传统主动评估方法相比，以这种被动方式收集的数字表型数据可能提供更自然、更全面、更细致的行为和认知理解。与标准化的与教育质量高度相关的神经心理学任务相反[38]和其他社会文化因素[39]，在一个人的自然环境中捕获的日常行为的数字代理可能产生较少偏差的认知和功能测量，特别是当方法依赖于对个人变化的纵向监测时。此外，高频连续数据有可能提高灵敏度和可靠性，并减少检测群体之间或个体之间随时间变化的细微差异所需的样本量[40］．

    智能手机无处不在，它配备了许多嵌入式传感器，这些传感器在不同的设备上很常见，可以用来被动地评估日常活动和行为。初步研究调查了基于智能手机的数字生物标志物(通过传感器和应用程序使用数据)，以测量特定行为，并为电话和短信日志提供支持和验证[41]也叫互惠[42作为社会模式的衡量标准;WiFi/蓝牙信号代表社交参与(与他人近距离接触的时间)[37];GPS运动轨迹和击键数据作为情绪测量方法[43-45];和加速计数据来推断睡眠模式[46］．智能手机数字表型的有效性已在心理健康和神经学人群中得到证明，其结果支持一系列智能手机数据对日常压力水平的预测效用[47]，抑郁和孤独的变化[43，46，47]、精神病发作与复发[48-50]，自杀风险[47]，言语变化[51]和生物节律[52］．

    其他研究试图识别反映潜在认知能力的数字标记。2018年一项针对27名健康年轻人的研究[53]然后是2019年对84名健康老年人的研究[54在标准认知测试中，智能手机指标(如使用的应用程序数量、一天中每小时的使用情况、滑动和击键事件)与表现之间存在显著关联。值得注意的是，这些研究本质上是探索性的，缺乏指导分析的先验假设。另一项针对患有和不患有双相情感障碍的成年人的独立试点研究检查了他们在数字轨迹测试中的表现，发现智能手机打字速度、打字速度变异性和测试表现之间存在关联，这表明执行功能和键盘敲击测量之间可能存在联系。29］．在MCI和痴呆的背景下，一项采用多个传感器流和机器学习模型的可行性研究确定了5个区分有症状(MCI，轻度AD)和无症状组的数字特征;这些特征包括打字速度、行为规律性(通过第一次和最后一次使用手机)、收到的短信数量、对辅助应用程序的依赖以及调查依从性[55］．正如上述试验研究和可行性研究的作者所指出的，一个主要的限制是样本量小，这限制了可解释性。

    事实上，尽管初步研究为探索被动数字变量与认知标准测量之间的关系奠定了基础，但缺乏综合理论模型来解释大型连续数据集代表了一个主要差距[23］．随着数字工具和机器学习方法变得越来越复杂，开发理论上合理的模型以避免分散的分析和虚假的发现并促进可解释性至关重要[56］．此外，随着技术不可避免地继续发展，开发与硬件和软件差异无关的可测试模型是继续验证被动方法的关键[56-58］．因此，我们提出了一个神经心理学框架来指导使用新兴数字工具评估与年龄相关的认知和功能衰退的研究。VIBE模型整合了关于衰老和ADRD背景下的个体差异性、认知能力和日常功能的既定发现。重要的是，VIBE模型产生了具体的、可测试的理论假设，可以为未来数字表型研究的设计和解释提供信息，并代表了为该领域建立概念指导方针的初步步骤。


    VIBE模型源于对神经心理学、神经学、神经科学、康复心理学和计算机科学文献的深入研究。在认知障碍的范围内，在表现水平和个体内部变异性方面的一致发现被确定，并在已知的认知变化模式及其潜在机制的背景下进行解释。文献综述用于概念化从健康衰老到ADRD的日常行为变化，以及如何通过数字表型方法捕获这些变化。例如，MCI患者标准化认知测试和日常任务表现的变异性增加，预计将导致数字表型研究中被动智能手机传感器数据的有意义的变异性。如果没有框架来指导分析，聚合数据可能优先于有意义的可变性，这可能被误解为麻烦(即“噪音”)。因此，VIBE模型集成并扩展了现有的研究结果，以提供结构、指导和优化数字表型研究设计。


    病理性衰老(即轻度认知损伤)的早期阶段与标准化认知测试的轻度孤立性下降、复杂日常生活活动的细微困难以及认知和功能测量的变异性增加有关。后期阶段(即痴呆症)的特点是认知和功能损伤更大，活动和任务完成减少，认知和功能表现的可变性更小。表2提供这些趋势的摘要。多媒体附录1包含对支持文献的全面回顾[59-107］．

    表2。支持日常行为可变性(VIBE)框架的背景文献摘要。

    		 健康老龄化 早期衰退(MCI)一个） 后期衰退(痴呆)
    认知能力
    • 在规范范围内的微妙下降
      • ‎
    • 1+领域的表现受损
      • ‎
    • 根据标准分数，在多个领域的表现受损
      • ‎
    认知变化
    • 与年轻人相比，变异性增加
      • ‎
    • 与健康老年人相比，变异性增加
      • ‎
    • 变异性的增加预示着进一步的衰退和更差的认知能力
      • ‎
    • 底层复杂任务的可变性比MCI小
      • ‎
    • 与MCI相比，简单任务的可变性增加
      • ‎
    日常运作
    • 细微的变化/低效的行为(微错误)
      • ‎
    • 完全独立的
      • ‎
    • 难以完成复杂任务
      • ‎
    • 独立与一些补偿策略的使用
      • ‎
    • 效率低下(委员会错误)和比健康老年人更可变
      • ‎
    • 不能完成基本和复杂的任务
      • ‎
    • 依赖
      • ‎
    • 完全无法完成任务(遗漏错误)
      • ‎

    一个MCI:轻度认知障碍。

    计算科学的理论模型为理解病理性衰老过程中能力水平和可变性的变化提供了一个有用的框架。“优雅退化”一词用来描述复杂系统在面对环境中的轻微损害或有问题的变化时保持功能的方式[108］．从神经心理学的角度来看，在衰退的早期阶段，效率低下和可变性的增加可能源于由前额皮质和相关白质投影控制的错误的执行控制机制，根据giovvannetti及其同事提出的框架[109]，对于调节目标激活，实现目标之间的平稳过渡，以及在日常任务中抑制来自内部或外部干扰因素的不适当激活至关重要。早期痴呆症认知控制所需的颅外多巴胺能神经调节的减少支持了这一框架[110-112］．事实上，长期以来对不一致和神经疾病之间联系的解释包括神经网络受损、功能连接和执行功能受损[113-115］．另一种解释早期低效率和可变性模式的框架，特别是在没有执行功能缺陷的情况下，是资源理论[116]，源于认知康复文献。该理论认为，任何非特异性大脑区域的早期损伤都会耗尽整体认知资源，导致任务执行中的错误，并且认知损伤的水平(而不是类型)对决定功能至关重要。109］．由于资源的轻度耗竭，补偿策略被采用，以允许系统的功能，但在成本(即，低效率，缓慢和不一致)。在中度至重度阶段，在多个认知领域观察到更大的衰退，日常生活的基本活动受损，并且由于人们通常不那么活跃，变异性的模式不太清楚。

    考虑到这一点，我们提出了日常行为的可变性(VIBE)模型作为一个双管齐下的神经心理学框架，整合了可变性的趋势(参见图1，蓝色虚线显示u型模式在MCI达到峰值)和能力水平下降(见图1(紫色实线显示负线性趋势)，这是在认知衰老谱上观察到的。VIBE模型提供了一个理论基础，用于评估数字表型方法捕获的日常行为和认知指标，无论是在检查不同程度认知障碍个体的横截面差异的研究中，还是在纵向设计中对进行性神经退行性疾病个体的研究中。例如，认知能力的下降可能与社会活动的减少有关[117，118]，技术使用[119，120]，积极情绪(如抑郁症状加重)[121])，以及运动/体力活动的范围[122]，这些都可以从被动传感器指标中推断出来。这些活动指标在早期阶段往往保持稳定，在从轻度认知障碍到痴呆症的过渡中开始明显下降。在纵向研究期间对这些指标的个体内部变异性的同时检查可能反映出，早在健康向MCI过渡阶段，随着个体采用储备机制和补偿策略来应对轻度困难和低效率(例如，佣金错误)，日常变异性就会增加。关于痴呆症水平表现处于最低水平的指标/活动(例如，在家外的运动轨迹、发短信、补偿机制失效且无法实现任务目标的其他复杂活动);例如，遗漏错误)，我们期望变异性降低到低于我们在MCI (图1(蓝色虚线)。

    ‎
    图1所示。老年人病理性认知衰退的个体变异、认知能力和日常功能的日常行为变异性(VIBE)模型。
    查看此图

    现有文献对MCI向痴呆转变的变异性模式不太清楚[123]，我们承认，对于轻度痴呆症患者仍在进行的相对简单的活动(例如，在家中的运动轨迹、接电话、睡眠/觉醒周期)，在轻度痴呆症阶段，变异性可能会继续增加，随后随着能力进一步下降而最终下降。因此，模型预测应该在测试和解释时注意任务需求，以及其他上下文特征，包括一天中的时间[29情绪和技术使用习惯。换句话说，从增加的可变性到减少的可变性，以及在图1随着损伤程度的增加而增加，尽管损伤程度不仅仅由临床状态决定。可能会有一段时间——可能是在MCI和痴呆之间的过渡时期——情境因素(如任务复杂性、时间、外部干扰物)与临床状态相互作用，影响日常行为指标上的损伤水平。例如，患有轻度痴呆症的人可能在财务任务中表现出明显的损伤和变异性减少，但在准备膳食方面可能只表现出轻度损伤和变异性增加，直到疾病后期两项任务都受损，变异性减少。因此，应该仔细考虑任务效应，特别是在MCI和痴呆的边界。


    根据我们提出的框架，使用个人智能手机设备进行数字表型分析是一种很有前途的方法，可以检查功能认知中与年龄相关的变化。研究设计可以采取多种形式，但初始研究应包括收集临床相关验证措施和纵向监测。一种可能的方案将包括全面的基线评估，以收集关于功能、认知、情绪和其他参与者特征(如人口统计、对技术的态度和经验，以及可能影响最终数字数据的技术使用习惯)的金标准验证数据。一段时间的被动纵向监测使用可用的，开源的数字表型应用程序(如Beiwe [37]， mindLAMP [124])将涉及收集大量传感器和应用数据，包括在文本框1．

    VIBE框架能够系统地选择和分析移动、社交和设备活动特性文本框1获得活动和可变性指标，可以根据先验假设进行测试。从VIBE模型中得出的非详尽的样本假设列表适用于跨越认知衰老谱的老年人横断面研究表3．

    跨3个特征域的示例数字表型指标。

    流动性

    • 呆在家里的时间
    • 距离
    • 回转半径
    • 最大直径
    • 离家最大距离
    • 重要位置数目
    • 平均飞行距离
    • 飞行长度的标准差
    • 平均飞行时间
    • 飞行时间的标准差
    • 一天中静止不动的部分
    • 有效位置熵
    • 几分钟的GPS数据丢失
    • 生理昼夜节律
    • 平均睡眠时间
    • 睡眠时间的标准差

    社交能力

    • 外发短信数
    • 输出文本总长度
    • 收到的文本数
    • 输入文本总长度
    • 短信互惠
    • 发短信的响应能力
    • 呼出次数
    • 呼出总时长
    • 呼入数
    • 总呼入时长
    • 叫互惠
    • 电话响应

    设备的活动

    • 平均电池电量
    • 手机关机/开机事件总数
    • 总电荷起爆
    • 屏幕开/关事件总数
    • 应用程序启动总数
    • 应用程序开关
    • 中央处理单元(CPU)利用率
    • 是时候查看每日调查了
    • 完成日常调查的时间
    • 事件第一/最后屏幕的时间
    文本框1。跨3个特征域的示例数字表型指标。
    表3。由日常行为变异性(VIBE)模型提供的样本假设。
    数字表型特征域 总活动水平指标 跨日可变性指标
    流动性 离家的平均距离将从健康下降到轻度认知障碍一个痴呆。 MCI与健康/痴呆患者离家距离的差异最大。
    社交能力 呼出电话的平均数量将从健康下降到轻度认知障碍，再下降到痴呆症。 轻度认知障碍患者与健康/痴呆患者的每日平均短信长度差异最大。
    设备的活动 应用程序启动的平均数量将从健康下降到MCI，再下降到痴呆症。 轻度认知障碍患者与健康/痴呆患者相比，每天屏幕打开/关闭次数的差异更大。
    时间效应 首次使用手机的平均时间将从健康(较早)下降到轻度认知障碍(MCI)，再到痴呆(较晚)。 首次使用手机的时间在轻度认知损伤和健康/痴呆患者中变化最大。

    一个MCI:轻度认知障碍。

    在进行此类研究时，必须仔细考虑许多重要的方法因素，其中许多仍未解决。当参与者使用自己的个人设备进行数据收集时，跨设备兼容性是一个相关的问题。单个设备可能在操作系统、屏幕大小、传感器采样率等方面有所不同。这些设备差异会影响用户交互和所收集数据的质量;它们还与社会经济地位和其他重要的参与者特征有关，因此在分析中不能简单地共变。可以向所有参与者提供单一的研究发放设备，以使数据收集标准化，并确保来自服务不足群体的个人有平等的机会参与此类研究。然而，引入新技术会偏离参与者的常规，降低生态有效性，并对日常功能提出更多要求。因此，必须根据研究人群和具体目标来权衡个人与研究提供的设备的选择[27，33］．尽管人们非常担心使用个人数字设备的研究将扩大现有的健康差距，但近年来智能手机拥有率(尤其是不同人群的智能手机拥有率)飙升，截至2021年，美国人的智能手机拥有率已从2011年的35%上升到85%。125］．这一比例在白人(85%)、黑人(83%)和西班牙裔(85%)中都是一致的，而家庭年收入低于3万美元的个人的这一比例略低(76%)。因此，尽管必须仔细注意确保智能手机研究的公平性、可及性和普遍性，但智能手机可负担性的提高可能会减轻这种担忧。与此相关，招募工作应确保数字表型研究中的多样化代表性，以调查这些方法的普遍性。随着技术的发展，硬件、软件和允许权限(即应用程序可以收集哪些传感器)的更新频率越来越高，这对这些方法的持续验证和推广提出了额外的挑战。因此，一个与设备和操作系统无关的理论模型，如VIBE模型，对不断评估新数据至关重要。

    以完全非标准化的方式自然而被动地收集数据，给组间比较带来了额外的挑战[56]，尽管日常使用手机的个体存在差异，但是否会出现组间兴趣指标差异仍有待确定。从数字表现型方法中获得的最有力的见解可能是通过长时间监测个体内部变化来实现的，这将需要理论上知情的统计模型来在n-of-1试验中得出可推广的结论[56］．另一个悬而未决的问题涉及从手机传感器和应用程序收集原始数据时可以选择的各种采样率，这应该在科学问题和设备电池限制的背景下考虑。虽然大多数软件平台都包含传感器采样的默认设置(例如，当手机处于运动状态时，GPS以1hz采样，WiFi信号每5分钟记录一次)，但它们也允许自定义采样率[37］．在几项主要针对年轻成人参与者的研究中应用了各种GPS采样率[48，49]，并已发展出统计方法来计算缺失的流动数据[126］．然而，有限的研究已经检查了增加采样率在传感器之间的增量效用，而不是移动性，以做出感兴趣的预测。年龄较大的成年手机用户由于活动较少，可能需要较少的采样频率，尽管这可能导致变异性和影响结果的范围受到限制。确定智能手机数据的最低必要采样频率直接关系到可行性，对未来研究的设计至关重要，因为更高的频率意味着更高的成本(即越来越昂贵的传感器，更短的电池寿命，更大的存储需求)。这也适用于数据收集期的最佳长度和研究样本量，这可能因感兴趣的人群和研究设计而异[120]，使用传统的功率计算方法不适合确定。Barnett及其同事[127]建议使用广义线性混合模型和变化点检测方法来告知样本量和研究持续时间，以便在此类研究中获得足够的权力。

    数字表型研究可以采用被动和主动数据流的组合。在主动数据收集中，用户被提示在他们的智能手机上完成标准化测试或调查，这可以用来产生关键的上下文信息，为被动传感器数据的解释提供信息[23，37，128-130］．然而，这种类型的参与削弱了纯被动监测的不显眼、自然的本质，并且当试图从被动数字数据中推断认知时，尚不清楚哪种类型的主动数据最有用。这些关于采样频率和活跃数据收集的方法学问题尚未在老年手机用户人群中进行探讨，他们的使用模式可能不同，可能需要比年轻人更多的采样频率或更多的活跃数据来准确推断临床相关信息。

    同样重要的是建立数字表型方法的使用背景，并确定它是否最适合作为风险、诊断、监测、预后或结果测量工具。美国食品和药物管理局(fda)等监管机构和制药公司越来越认识到，数字设备作为“真实世界数据”和“真实世界证据”来源的潜力，能够长期监测健康状况和临床反应，并在传统的随机对照试验之外，对现实世界中的长期健康结果产生新的见解。131］．然而，正如O 'Bryant及其同事深思熟虑地概述的那样[9]，将新的生物标志物发现从研究领域转化为常规临床环境存在许多挑战。为了实现这一点，底层平台和数据框架的标准化对于帮助这些数据更加统一、可互操作、可复制和可操作至关重要[124］．可扩展性、可制造性、知识产权法和监管方面的问题，包括开展数字健康研究的实体治理不一致[132，不应忽视[9］．特别是，面对快速发展的监管指导，移动数字表型应用程序被视为“作为医疗设备的软件”的观点是模糊的[133］．最后，也是最重要的一点，必须解决隐私和安全问题，并且必须向用户和参与者清楚和持续地传达机密保护。使用研究识别号码、行业标准加密方法、在安全服务器上存储加密数据以及对个人数据的持续透明度和控制是在研究设计阶段应仔细解决的隐私考虑因素的示例。考虑到涉及的个人和敏感健康信息的范围，应事先使用研究人员数字健康检查表等工具完成前瞻性风险评估，以评估风险和收益，并确保安全和负责任地使用数字工具[132，134］．重要的是，在所有研究中一致应用的隐私标准的制定和执行将是这个新兴领域成功的关键[35］．


    尽管上面列出了许多尚未解决的挑战和考虑因素，但数字表型方法在日常认知变化方面产生生态有效和敏感信息的潜力越来越明显。最近出版的《美国心理协会神经心理学手册》(American Psychological Association Handbook of Neuropsychology)详细概述了新兴数字方法的好处[57］．重申一些，当使用连续的大规模数据时，减少了样本量要求，并且当以如此高的速率对数据进行采样时，可以捕获细微的波动，从而提供在体内捕获的高度敏感的尺度。个人智能手机设备的使用代表了日常生活的复杂活动，因此创造了一个理想的平台来捕捉疾病早期发生的变化。如前所述，早期发现衰退为早期干预提供了机会，这可以显著节省成本并减少残疾调整生命年。与传统方法相比，智能手机用户的增加增加了可访问性。被动数据是客观的，不依赖于当前或回顾性的自我报告。然而，这种方法的最优应用可能包括被动表型、环境生态瞬时评估和突发认知测试的混合，以揭示数日内和数日内认知变化与行为变化之间的关系机制。此外，个人n-of-1设计可能会越来越敏感，并可能解决组间设计的解释挑战。最后，新兴的数字方法应该被认为是传统神经心理学评估的补充，传统神经心理学评估仍然是诊断和干预的金标准工具。如果证明是有效的，新兴的数字工具可能是早期发现、风险分层和对干预措施的反应变化的敏感和可获得的一线措施。


    测量与年龄相关的认知和功能变化的传统方法提供了有价值和独特的见解。生物标记、传统和移动认知评估的显著优势包括广泛的验证、离散认知能力的测量和病理定位(表1）.与此同时，面对提供创新解决方案的技术进步，这些方法存在许多缺点，这些缺点变得越来越明显。数字表现型方法只是一种新型工具的一个例子，它可以作为一种越来越容易获得、高效、敏感和个性化的补充。重要的是，数字表现型仍处于起步阶段，许多方法上的考虑值得仔细注意。人与人之间差异的多种来源(如硬件、软件、技术习惯、日常生活)，以及大规模连续数据集的解释挑战，使得个体之间和研究之间的比较几乎不可能在没有可靠的理论模型的情况下进行设计和解释。VIBE模型得到了神经心理学、神经学、神经科学、康复心理学和计算机科学等领域数十年跨学科文献的支持，提出了可检验的假设(见图1和表3)，可用于未来的数字表型研究，为日常行为和认知的有意义变化提供新颖、有价值和临床可解释的见解。

    致谢

    我们感谢美国国立卫生研究院(NIH)和美国国家老龄化研究所(NIA)的资助，包括以下拨款:F31AG069444(作者KH)和R21AG066771, R21AG060422和R01AG062503(作者TG)。我们也感谢Ian Barnett对KH F31基金的共同赞助，包括对数字表型方法和相关文献的咨询。

    作者的贡献

    KH和TG概念化了提出的框架，并共同审查了相关文献。KH起草了手稿。TG审查并为手稿提供概念和编辑建议。所有作者都阅读并批准了最终的手稿。

    利益冲突

    没有宣布。

    ‎
    多媒体附录1

    支持背景文献。

    DOCX文件，19kb
    1. 为阿尔茨海默病的新临床试验铺平道路。精神病学杂志，2017,31(2):88-89。［CrossRef] [Medline]
    2. 痴呆症关键事实2021。世界卫生组织。URL:https://www.who.int/news-room/fact-sheets/detail/dementia[2022-04-01]访问
    3. 2022阿尔茨海默病的事实和数据。阿尔茨海默病与老年痴呆症2022年4月14日;18(4):700-789。［CrossRef] [Medline]
    4. Schelke MW, Hackett K, Chen JL, shic C, Shum J, Montgomery ME，等。预防阿尔茨海默病的营养干预:临床精准医学方法。安徽农业大学学报(自然科学版)，2016,33 (1):50-56 [j]免费全文] [CrossRef] [Medline]
    5. Sperling RA, Aisen PS, Beckett LA, Bennett DA, Craft S, Fagan AM，等。定义阿尔茨海默病的临床前阶段:来自国家衰老研究所-阿尔茨海默病协会工作组关于阿尔茨海默病诊断指南的建议。老年痴呆症，2011;7(3):280-292 [j]免费全文] [CrossRef] [Medline]
    6. Sperling RA, Rentz DM, Johnson KA, Karlawish J, Donohue M, Salmon DP，等。A4研究:在症状开始前停止AD ?科学转化医学2014年3月19日;6(228):228fs13 [j]免费全文] [CrossRef] [Medline]
    7. 彼得森RC。轻度认知障碍作为诊断实体。中华临床医学杂志;2004;26 (3):391 - 391 [J]免费全文] [CrossRef] [Medline]
    8. 阿尔茨海默病协会。2019阿尔茨海默病的事实和数据。阿尔茨海默病杂志2019;15(3):321-387。［CrossRef]
    9. O'Bryant SE, Mielke MM, Rissman RA, Lista S, Vanderstichele H, Zetterberg H，等。阿尔茨海默病的血液生物标志物:从发现到临床的科学现状和一种新的合作模式。阿尔茨海默病2017年1月18日;13(1):45-58 [j]免费全文] [CrossRef] [Medline]
    10. Jack CR, Bennett DA, Blennow K, Carrillo MC, Dunn B, Haeberlein SB，贡献者。NIA-AA研究框架:阿尔茨海默病的生物学定义。阿尔茨海默病2018年4月;14(4):535-562 [j]免费全文] [CrossRef] [Medline]
    11. McKeith IG, Boeve BF, Dickson DW, Halliday G, Taylor J, Weintraub D，等。路易体痴呆的诊断和管理:DLB联盟第四次共识报告。神经病学2017年7月4日;89(1):88-100 [j]免费全文] [CrossRef] [Medline]
    12. nagash S, Wilson RS, Leurgans SE, Wolk DA, Schneider JA, Buchman AS，等。弹性脑老化:表征阿尔茨海默病病理和认知之间的不一致。中华老年痴呆症杂志，2013;10(8):844-851 [j]免费全文] [CrossRef] [Medline]
    13. 使用临床前疾病生物标志物评估阿尔茨海默病痴呆的终生风险。阿尔茨海默病，2018,5月22日;14(8):981-988。［CrossRef]
    14. 杨建军，杨建军，杨建军，杨建军，等。基于生物标志物的阿尔茨海默病诊断会使科学进步最大化吗?评估建议的诊断标准。中华流行病学杂志，2018;33(7):607-612 [J]免费全文] [CrossRef] [Medline]
    15. Tochel C, Smith M, Baldwin H, Gustavsson A, Ly A, Bexelius C，路线图联盟。哪些结果对轻度认知障碍或阿尔茨海默病患者、他们的护理人员和卫生保健专业人员来说是重要的?系统回顾。阿尔茨海默病2019年12月09日;11(1):231-247 [j]免费全文] [CrossRef] [Medline]
    16. Albert MS, DeKosky ST, Dickson D, Dubois B, Feldman HH, Fox NC等。阿尔茨海默病引起的轻度认知障碍的诊断:来自国家老龄化研究所-阿尔茨海默病协会工作组关于阿尔茨海默病诊断指南的建议。老年痴呆症，2011;7(3):270-279 [j]免费全文] [CrossRef] [Medline]
    17. McKhann GM, Knopman DS, Chertkow H, Hyman BT, Jack CR, Kawas CH等。阿尔茨海默病引起的痴呆的诊断:来自国家衰老研究所-阿尔茨海默病协会工作组关于阿尔茨海默病诊断指南的建议。老年痴呆症，2011;7(3):263-269 [j]免费全文] [CrossRef] [Medline]
    18. 陈晓明，张晓明。早期阿尔茨海默病的临床研究进展。中华医学杂志，2013,28(3):1169-1171。［CrossRef] [Medline]
    19. 刘建军，刘建军，陈坤，等。一个经验衍生的复合认知测试分数，提高了跟踪和评估临床前阿尔茨海默病治疗的能力。阿尔茨海默病2014 11月21日;10(6):666-674 [j]免费全文] [CrossRef] [Medline]
    20. Papp KV, Rentz DM, Orlovsky I, Sperling RA, Mormino EC。语义加工优化临床前阿尔茨海默病认知复合:PACC5。阿尔茨海默病2017年11月09日;3(4):668-677 [j]免费全文] [CrossRef] [Medline]
    21. Papp KV, Rentz DM, Mormino EC, Schultz AP, Amariglio RE, Quiroz Y等。生物标志物定义的临床前阿尔茨海默病提示记忆衰退。神经病学2017年4月11日;88(15):1431-1438 [免费全文] [CrossRef] [Medline]
    22. Sliwinski MJ, Mogle JA, Hyun J, Munoz E, Smyth JM, Lipton RB。动态认知评估的信度和效度。评估2018年1月;25(1):14-30 [j]免费全文] [CrossRef] [Medline]
    23. 魏森鲍姆E, Torous J, Fulford D.情境中的认知:新测量时代认知表现的日常预测因素。[j] .移动医疗与健康，2020年7月23日;8(7):e14328。［CrossRef]
    24. 高德柏特，Harvey PD, Wesnes KA, Snyder PJ, Schneider LS。系列认知评估的练习效果:临床前阿尔茨海默病随机对照试验的意义阿尔茨海默病杂志;2015;1(1):103-111 [j]免费全文] [CrossRef] [Medline]
    25. Miller J, Barr W.神经心理学中的技术危机。中华临床医学杂志，2017;32(5):541-554。［CrossRef] [Medline]
    26. Buckley RF, Sparks KP, Papp KV, Dekhtyar M, Martin C, Burnham S，等。用于临床试验的计算机认知测试:NIH工具箱和Cogstate C3电池的比较。中华老年痴呆症杂志，2017;4(1):3-11 [J]免费全文] [CrossRef] [Medline]
    27. Öhman F, Hassenstab J, Berron D, Schöll M, Papp KV。临床前阿尔茨海默病数字认知评估的最新进展。阿尔茨海默病与老年痴呆症[j]; 2013;13(1):e12217 [免费全文] [CrossRef] [Medline]
    28. 王丽娟，李建平，李建平，等。计算机认知测试在老年痴呆症诊断中的应用。老年痴呆症2008;11 (6):428-437 [j]免费全文] [CrossRef] [Medline]
    29. Ross MK, Demos AP, Zulueta J, Piscitello A, Langenecker SA, McInnis M，等。自然的智能手机键盘输入反映了处理速度和执行功能。脑行为2021十一月06;11(11):e2363 [j]免费全文] [CrossRef] [Medline]
    30. 张建军，张建军，张建军，等。非裔美国人和白种人的神经心理特征。卢茨，FL:心理评估资源;2004.
    31. manleyjj, Jacobs DM, Touradji P, Small SA, Stern Y.阅读水平对非裔美国人与白人老年人神经心理测验成绩差异的影响。中华神经科杂志2002;8(3):341-348。［CrossRef] [Medline]
    32. manleyjj, Byrd DA, Touradji P, Stern Y.非裔美国老年人的文化适应、阅读水平和神经心理测试表现。苹果神经心理杂志2004年3月;11(1):37-46。［CrossRef] [Medline]
    33. Hassenstab J, Aschenbrenner AJ, Balota DA, McDade E, Lim YY, Fagan AM，等。显性遗传性阿尔茨海默病网络(DIAN)的远程认知评估方法。阿尔茨海默病2020年12月07日;16(S6)。［CrossRef]
    34. Pratap A, Neto EC, Snyder P, Stepnowsky C, Elhadad N, Grant D，等。远程数字健康研究的保留指标:对10万名参与者的交叉研究评估。中华数字医学杂志2020年2月17日;3(1):21 [j]免费全文] [CrossRef] [Medline]
    35. 数字表现型:行为学新科学的技术。中国医学杂志2017年10月3日;318(13):1215-1216。［CrossRef] [Medline]
    36. Jain SH, Powers BW, Hawkins JB, Brownstein JS。数字表型。生物工程学报;2015;33(5):462-463。［CrossRef] [Medline]
    37. Torous J, Kiang MV, Lorme J, Onnela J.精神病学新研究的新工具:一个可扩展和可定制的平台，授权数据驱动的智能手机研究。中华医学会心理健康分会2016年5月05日;3(2):e16 [j]免费全文] [CrossRef] [Medline]
    38. 李建军，陈建军，陈建军，陈建军，陈建军，陈建军。非裔美国人和白人老年人情景记忆的差异:认知储备和测试偏差相关因素的作用。中华神经科杂志，2011;17(4):625-638。［CrossRef]
    39. 伯德DA，里维拉-明特MG。神经心理学的种族问题并不以人口统计学调整的标准开始或结束。中华神经科杂志，2018;18(3):125-126。［CrossRef] [Medline]
    40. Dodge HH, Zhu J, Mattek NC, Austin D, Kornfeld J, Kaye JA。使用高频家庭监测数据可以减少临床试验所需的样本量。PLoS One 2015 Sep 17;10(9):e0138095 [j]免费全文] [CrossRef] [Medline]
    41. onneela J, Arbesman S, González MC, Barabási AL, Christakis NA。社会网络群体的地理限制。科学通报，2011;6(4):e16939 [j]免费全文] [CrossRef] [Medline]
    42. 利用基于智能手机的数字表型来增强行为和心理健康。神经精神药理学2016;41(7):1691-1696 [j]免费全文] [CrossRef] [Medline]
    43. Saeb S, Zhang M, Kwasny MM, Karr CJ, Kording K, Mohr DC。临床、瞬间和基于感觉的抑郁评估之间的关系。Int Conf普适计算技术健康2015年8月2015 [免费全文] [CrossRef] [Medline]
    44. Zulueta J, Piscitello A, Rasic M, Easter R, Babu P, Langenecker SA，等。用手机击键元数据预测情绪障碍严重程度:一项BiAffect数字表型研究。医学互联网研究，2018;12 (7):e241 [J]免费全文] [CrossRef] [Medline]
    45. 张建军，李建军，李建军，等。在大型开放科学样本中，情绪和衰老对击键动力学元数据及其日模式的影响:一项BiAffect iOS研究。中华医学杂志，2020;27(7):1007-1018。［CrossRef] [Medline]
    46. Faherty LJ, Hantsoo L, Appleby D, Sammel MD, Bennett IM, Wiebe DJ。围产期抑郁症风险妇女的运动模式:孕期情绪监测移动应用程序的使用医学信息学报，2017,24(4):746-753。［CrossRef] [Medline]
    47. Ben-Zeev D, Scherer EA，王锐，谢华，Campbell AT。下一代精神病评估:使用智能手机传感器监测行为和心理健康。精神病学杂志，2015;38(3):218-226 [J]免费全文] [CrossRef] [Medline]
    48. 张建军，张建军，张建军，张建军。基于数字表型的精神分裂症复发预测研究。中国生物医学工程学报;2018;43(8):1660-1666。［CrossRef] [Medline]
    49. Torous J, Staples P, Barnett I, Sandoval LR, Keshavan M, Onnela J.数字表型数据质量的临床相关性及其在精神分裂症人群中的应用。中华数字医学杂志2018年4月6日;1(1):1-9 [j]免费全文] [CrossRef] [Medline]
    50. 王瑞，Aung M, Abdullah S, Brian R, Campbell A, Choudhury T，等。交叉检查:对精神分裂症患者心理健康变化的被动感知和检测。2016年发表于:ACM普适与泛在计算国际联合会议;9月12日至16日;海德堡，德国第886-897页。［CrossRef]
    51. Berry JD, Paganoni S, Carlson K, Burke K, Weber H, Staples P，等。基于智能手机的数字表型研究的设计和结果，以量化ALS的进展。中华神经科杂志，2019;6(5):873-881 [j]免费全文] [CrossRef] [Medline]
    52. Murnane, Abdullah S, Matthews M, Kay M, Kientz J, Choudhury T，等。警觉性的移动表现:将生物节律与智能手机应用程序使用模式联系起来。第18届移动设备与服务人机交互国际会议论文集。美国:ACM;2016年9月出席:MobileHCI '16;2016年9月;佛罗伦萨，意大利，第465-477页https://europepmc.org/abstract/MED/30931436［CrossRef]
    53. 认知功能的数字生物标志物。中华数字医学杂志2018年3月28日;1(1):10 [j]免费全文] [CrossRef] [Medline]
    54. Gordon M, Gatys L, Guestrin C, Bigham J, Trister A, Patel K.应用程序使用预测老年人认知能力。见:2019年中国计算机学会计算系统互联网中的人为因素会议论文集。美国:ACM;2019年举办:CHI '19;2019年5月;格拉斯哥，英国，1-12页。［CrossRef]
    55. 陈瑞，Jankovic F, Marinsek N, Foschini L, Kourtis L, Signorini A，等。从消费级多模态传感器流中开发现实世界中认知障碍的测量方法。参见:第25届ACM SIGKDD知识发现与数据挖掘国际会议论文集。2019年7月发表于:KDD '19;7月25日;第2145-2155页。［CrossRef]
    56. 数字化表型数据收集与分析的机遇与挑战。神经精神药理学2021 1月17日;46(1):45-54 [j]免费全文] [CrossRef] [Medline]
    57. 乔凡内蒂T, Hackett K, Tassoni M, Mis R, Simone S.日常功能评估与预测。编辑:Gregory B, Bruce C, Kathleen H, Tricia K。APA神经心理学手册。华盛顿:美国心理学会;2022年11月。
    58. Germine L, Reinecke K, Chaytor NS。数字神经心理学:科学与软件交叉的挑战与机遇。中华精神病学杂志2019;33(2):271-286。［CrossRef] [Medline]
    59. 神经认知功能和日常功能在老年时一起改变。神经心理学2011;25(3):368-377 [j]免费全文] [CrossRef] [Medline]
    60. 刘建军，刘建军，刘建军。个体变异、认知与衰老的关系。见:《衰老与认知手册》。Hove，英国:心理学出版社;2011:491 - 556。
    61. Hultsch DF, MacDonald SWS, Dixon RA。年轻人和老年人反应时间表现的差异。[J] .心理与社会科学[J]; 2002; 26 (2):P101-P115。［CrossRef] [Medline]
    62. Buckner RL。衰老和AD中的记忆和执行功能:导致衰退的多种因素和补偿的储备因素。神经网络2004年9月30日;44(1):195-208 [j]免费全文] [CrossRef] [Medline]
    63. Raz N, Lindenberger U, Rodrigue KM, Kennedy KM, Head D, Williamson A，等。老龄健康成人脑区域变化:总体趋势、个体差异和修饰因素。脑皮质学报，2005;15(11):1676-1689 [j]免费全文] [CrossRef] [Medline]
    64. Bondi MW, Edmonds EC, Jak AJ, Clark LR, Delano-Wood L, McDonald CR等。轻度认知障碍的神经心理学标准提高了诊断准确性、生物标志物相关性和进展率。JAD 2014 Aug 11;42(1):275-289。［CrossRef]
    65. Jak AJ, Bondi MW, Delano-Wood L, Wierenga C, Corey-Bloom J, Salmon DP，等。定义轻度认知障碍的五种神经心理学方法的量化。中华老年精神病学杂志2009;17(5):368-375 [J]免费全文] [CrossRef] [Medline]
    66. Edmonds EC, Delano-Wood L, Galasko DR, Salmon DP, Bondi MW。临床前阿尔茨海默病的细微认知衰退和生物标志物分期。中华老年痴呆症杂志;2015;47(1):231-242 [J]免费全文] [CrossRef] [Medline]
    67. Lövdén M, Li S, Shing YL, Lindenberger U.个人试验对试验的可变性先于和预测老年和非常老年的认知衰退:来自柏林老龄化研究的纵向数据。这项研究2007;45(12):2827 - 2838。［CrossRef]
    68. 麦克唐纳SW, Nyberg L. Bäckman .行为的个体变异:与大脑结构、神经传递和神经元活动的联系。神经科学动态2006;29(8):474-480。［CrossRef] [Medline]
    69. Troyer AK, Vandermorris S, Murphy KJ。在遗忘性轻度认知障碍中，联想记忆任务表现的个体差异性升高。神经心理学杂志2016;90:110-116。［CrossRef] [Medline]
    70. MacDonald SWS, Hultsch DF, Dixon RA。表现可变性与认知变化有关:来自维多利亚纵向研究的证据。精神病学杂志2003;18(3):510-523。［CrossRef] [Medline]
    71. 马金农，杨建军，杨建军，杨建军，杨建军。中国老年人认知能力的纵向研究。中华精神病学杂志，2010;6(3):214-228。［CrossRef]
    72. 王志强，王志强，王志强，王志强。人体内跨神经心理测试的变异性和痴呆的发生。中国医学杂志2008;20 (7):823-830 [j]免费全文] [CrossRef] [Medline]
    73. Roalf DR, Quarmley M, Mechanic-Hamilton D, Wolk DA, Arnold SE, Moberg PJ。个体内变异性:轻度认知障碍患者神经认知细微变化的指标。中华老年痴呆症杂志，2016;31 (1):357 - 357 [J]免费全文] [CrossRef] [Medline]
    74. 刘建军，刘建军，刘建军，等。认知分散是早期神经退行性改变和功能下降的敏感标志。神经心理学2019;33(5):599-608 [j]免费全文] [CrossRef] [Medline]
    75. Farias ST, Mungas D, Reed BR, Harvey D, Cahn-Weiner D, Decarli C. MCI与日常功能障碍有关。阿尔茨海默病相关疾病2006;20(4):217-223 [j]免费全文] [CrossRef] [Medline]
    76. Jekel K, Damian M, Wattmo C, Hausner L, Bullock R, Connelly PJ，等。日常生活工具活动中的轻度认知障碍和缺陷:系统回顾。老年痴呆症杂志2015年3月18日;7(1):17 [j]免费全文] [CrossRef] [Medline]
    77. M, McAlister C, Weakley A.轻度认知障碍个体日常功能的自然评估:日间任务。神经心理学2012 Sep;26(5):631-641 [j]免费全文] [CrossRef] [Medline]
    78. Schmitter-Edgecombe M, Parsey CM。轻度认知障碍个体功能能力的认知相关性:问卷调查、直接观察和基于表现的测量的比较中华临床医学杂志，2014;28(5):726-746 [j]免费全文] [CrossRef] [Medline]
    79. 李建军，李建军，李建军，等。轻度认知障碍患者经济能力下降:一项为期1年的纵向研究。神经病学2009年9月22日;73(12):928-934 [j]免费全文] [CrossRef] [Medline]
    80. fath EB, Schwartz S, Tschanz JT， Østbye T, Corcoran C, Norton MC.日常生活活动基线障碍在控制基线整体认知能力和抑郁症状后可预测痴呆风险。国际老年精神病学杂志2013;28(6):597-606 [J]免费全文] [CrossRef] [Medline]
    81. Luck T, Luppa M, Angermeyer MC, Villringer A, König H, Riedel-Heller SG。日常生活工具活动障碍和轻度认知障碍对痴呆发生时间的影响:老年莱比锡纵向研究结果中华精神医学杂志;2011;41(5):1087-1097。［CrossRef] [Medline]
    82. giovvannetti T, Bettcher BM, Brennan L, Libon DJ, Burke M, Duey K，等。轻度认知障碍患者日常功能的特征:一种直接评估方法。心脑血管病;2008;25(4):359-365。［CrossRef] [Medline]
    83. Dodge HH, Mattek NC, Austin D, Hayes TL, Kaye JA。与轻度认知障碍相关的在家步行速度和变异性轨迹。神经病学2012;12;78(24):1946-1952 [j]免费全文] [CrossRef] [Medline]
    84. 李建军，李建军，李建军，等。老年人轻度认知功能障碍的自主检测。中国生物医学工程学报，2015,32(5):1383-1394。［CrossRef]
    85. Gillain S, dramm, Lekeu F, Wojtasik V, Ricour C, Croisier J，等。步态速度或步态变异性，哪一个可以作为患阿尔茨海默病风险的标志?一项初步研究。老年临床医学杂志，2016,28(2):249-255。［CrossRef] [Medline]
    86. 海耶斯TL, Abendroth F, Adami A, Pavel M, Zitzelberger TA, Kaye JA。轻度认知障碍相关活动模式的低调评估。阿尔茨海默病杂志2008;4(6):395-405 [j]免费全文] [CrossRef] [Medline]
    87. Montero-Odasso M, Casas A, Hansen KT, Bilski P, Gutmanis I, Wells JL等。老年轻度认知障碍患者双任务下定量步态分析:可靠性研究。中华神经科杂志2009年9月21日;6(1):35 [J]免费全文] [CrossRef] [Medline]
    88. Verghese J, Robbins M, Holtzer R, Zimmerman M，王超，薛昕，等。轻度认知障碍综合征中的步态障碍。中华老年医学杂志，2008;56(7):1244-1251 [J]免费全文] [CrossRef] [Medline]
    89. 王春华，王春华，薛霞。步态功能障碍与认知能力下降和痴呆的关系。中华神经外科杂志;2007;31 (3):559 - 559 [J]免费全文] [CrossRef] [Medline]
    90. Benson RR, Guttmann CRG, Wei X, Warfield SK, Hall C, Schmidt JA，等。活动能力受损的老年人在MRI上有特定的心室周围异常位点。神经病学2002;08;58(1):48-55。［CrossRef] [Medline]
    91. Onen F, Henry-Feugeas M, Roy C, Baron G, Ravaud P.轻度认知障碍患者活动能力下降原因不明:基于mri的发病机制临床研究。大脑研究2008年7月30日;1222:79-86。［CrossRef] [Medline]
    92. 希尔伯特LC, Nelson C, Howieson DB, Moore MM, Kaye JA。脑白质高强度体积进展对认知和运动衰退率的影响。神经病学杂志2008;71(2):108-113 [免费全文] [CrossRef] [Medline]
    93. Austin J, Klein K, Mattek N, Kaye J.非痴呆老年人药物服用变化与认知表现的关系。老年痴呆症(Amst) 2017;6:210-213 [j]免费全文] [CrossRef] [Medline]
    94. Seelye A, Hagler S, Mattek N, Howieson DB, Wild K, Dodge HH，等。电脑鼠标运动模式:轻度认知障碍的潜在标志。老年痴呆症(Amst) 2015年12月01日;1(4):472-480 [j]免费全文] [CrossRef] [Medline]
    95. 张建军，张建军，张建军，等。神经心理测试分数对老年痴呆的影响。神经心理学2014年3月;28(2):254-260。［CrossRef] [Medline]
    96. 胡尔琦，刘建平，李建平，等。老年人认知能力的个体变异:轻度痴呆、关节炎和健康成人的比较。神经心理学2000 Oct;14(4):588-598。［CrossRef]
    97. Giebel CM, Sutcliffe C, Challis D.痴呆症不同阶段的日常生活活动和生活质量:一项英国研究。老龄化与健康2015,19(1):63-71。［CrossRef] [Medline]
    98. 阿尔茨海默病患者的抑郁、认知和功能能力。中华老年病杂志，1994;42(2):186-191。［CrossRef] [Medline]
    99. Moon H, Rote S, Haley WE。有助于老年人留在社区的因素。老龄化与健康2018;22(11):1502-1509。［CrossRef] [Medline]
    100. Sajjad A, freakl - poli RL, Hofman A, Roza SJ, Ikram MA, Tiemeier H.鹿特丹研究中健康和全因死亡率的主观测量。精神医学，2017,13;47(11):1971-1980。［CrossRef]
    101. 林超，石鹏，库乐。痴呆患者日常生活功能活动、神经精神症状与照顾者负担:照顾时间的中介作用老年医学杂志2019;01:25-30。［CrossRef] [Medline]
    102. Giovannetti T, Bettcher BM, Brennan L, Libron DJ, Kessler RK, Duey K.咖啡加果冻或无黄油吐司:佣金和遗漏是阿尔茨海默病日常行动障碍的可分离方面。神经心理学2008;22(2):235-245。［CrossRef] [Medline]
    103. 李建军，李建军，李建军，等。精神分裂症患者的日常行为:表现模式和潜在的认知机制。神经心理学2007;21(4):439-447。［CrossRef] [Medline]
    104. 陈志强，陈志强。老年痴呆症中基于行为的记忆:饮茶的纵向观察。编号2002;8(1):111 - 126。［CrossRef]
    105. Schmitter-Edgecombe M, Parsey CM。从健康认知老化到痴呆进展过程中功能改变和认知相关性的评估神经心理学2014 Nov;28(6):881-893 [j]免费全文] [CrossRef] [Medline]
    106. Suzuki T, Murase S, Tanaka T, Okazawa T.通过记录内部活动早期检测痴呆的新方法。中华电信杂志;2007;13(1):41-44。［CrossRef] [Medline]
    107. Mattek N, Thomas NW, Sharma N, Beattie Z, Marcoe J, Riley T，等。TD‐P‐17:基于家庭的数字活动生物标志物远程监测MCI和阿尔茨海默病患者及其护理伙伴的相关活动。阿尔茨海默氏症2019年7月15日(7S_Part_3):160。［CrossRef]
    108. 何丽丽，王文杰，杨文杰，等。IEEE反式。Distrib平行。系统1991年1月;2(1):93-104。［CrossRef]
    109. Giovannetti T, Mis R, Hackett K, Simone S, Ungrady M.目标控制模型:一个解释日常活动表现受损的综合神经心理学框架。神经心理学2021 Jan;35(1):3-18 [j]免费全文] [CrossRef] [Medline]
    110. 李松，林登伯格，Sikström .从神经调节到表征的衰老认知。科学进展，2001,5(11):479-486。［CrossRef]
    111. 李绍平，杨建军，李建军，李建军，李建军。基于神经计算模型的组织可塑性和联想可塑性研究进展。神经科学学报，2006;30(6):775-790。［CrossRef] [Medline]
    112. 刘建军，刘建军，刘建军，等。脑外多巴胺D2受体结合对个体情景识别和执行功能的调节作用。神经心理学2009;47(11):2299-2304。［CrossRef] [Medline]
    113. Gleason CE, Norton D, Anderson ED, Wahoske M, Washington DT, Umucu E等。认知变异性可与脑脊液生物标志物相媲美，预测阿尔茨海默病和轻度认知障碍的发生。中华老年痴呆症杂志2018;61(1):79-89 [J]免费全文] [CrossRef] [Medline]
    114. Kelly AMC, Uddin LQ, Biswal BB, Castellanos FX, Milham MP。脑功能网络之间的竞争调节了行为的可变性。神经影像2008;01;39(1):527-537。［CrossRef] [Medline]
    115. West R, Murphy KJ, Armilio ML, Craik FIM, Stuss DT。意图的缺失和表现的可变性表明，执行控制的波动与年龄有关。脑电学报，2002;49(3):402-419。［CrossRef] [Medline]
    116. Schwartz MF, Montgomery MW, Buxbaum LJ, Lee SS, Carew TG, Coslett HB等。闭合性颅脑损伤的自然动作损伤。神经心理学1998;12(1):13-28。［CrossRef]
    117. Bassuk SS, Glass TA, Berkman LF。社区居住长者的社会脱离与偶发性认知衰退。中华临床医学杂志1999;31(3):165-173。［CrossRef] [Medline]
    118. Dickinson WJ, Potter GG, Hybels CF, McQuoid DR, Steffens DC。压力和社会支持的变化作为有或无抑郁症老年人认知能力下降的预测因子。老年精神病学杂志2011;26(12):1267-1274 [J]免费全文] [CrossRef] [Medline]
    119. 凯伊J, Mattek N, Dodge HH, Campbell I, Hayes T, Austin D，等。对日常电脑使用情况进行不显眼的测量，以检测轻度认知障碍。阿尔茨海默病杂志2014;10(1):10-17 [j]免费全文] [CrossRef] [Medline]
    120. Bernstein JPK, Dorociak K, Mattek N, Leese M, Trapp C, Beattie Z，等。不引人注目的老年人日常活动和健康事件的家庭评估:与短暂观察期认知表现的关系中华神经病学杂志，2021年4月18日:1-18。［CrossRef] [Medline]
    121. Chodosh J, Kado DM, Seeman TE, Karlamangla AS。抑郁症状作为认知能力下降的预测因子:麦克阿瑟对成功衰老的研究。中华老年精神病学杂志2007;15(5):406-415。［CrossRef]
    122. Gallaway P, Miyake H, Buchowski M, Shimada M, Yoshitake Y, Kim A，等。体育活动:降低老年人轻度认知障碍、阿尔茨海默病和血管性痴呆风险的可行方法。脑科学2017年2月20日;7(2):22 [j]免费全文] [CrossRef] [Medline]
    123. 李建军，李建军，李建军。跨认知领域的个体变异:老年人分散水平和表现概况的调查。中华临床医学杂志;2009;31(4):412-424。［CrossRef] [Medline]
    124. 张丽娟，张丽娟，张丽娟，等。数字化表现型在临床卫生保健中的应用。移动医疗2019;5:25 [免费全文] [CrossRef] [Medline]
    125. 移动实况报道互联网。皮尤研究中心，2021。URL:https://www.pewresearch.org/internet/fact-sheet/mobile/[2022-04-01]访问
    126. Barnett I, Torous J, Staples P, Keshavan M, Onnela J.超越智能手机和传感器:纵向数据分析的合适统计方法选择。医学信息学报，2018,25(12):1669-1674。［CrossRef] [Medline]
    127. Barnett I, Torous J, Reeder H, Baker J, Onnela JP。确定基于智能手机的数字表型研究的样本量和随访时间。医学信息学报，2020,12,27(12):1844-1849 [J]免费全文] [CrossRef] [Medline]
    128. 库蒂斯LC, Regele OB, Wright JM, Jones GB。阿尔茨海默病的数字生物标志物:移动/可穿戴设备的机会。中华医学杂志2019;2 [j]免费全文] [CrossRef] [Medline]
    129. Taylor KI, Staunton H, Lipsmeier F, Nobbs D, Lindemann M.基于数字健康技术传感器数据的结果测量:数据和患者为中心的方法。中华医学杂志2020年7月23日;3(1):97 [j]免费全文] [CrossRef] [Medline]
    130. 王晓东，王晓东，王晓东，等。使用非侵入式传感器信息和通信技术为痴呆临床试验提供真实世界证据。阿尔茨海默病2018 Sep;14(9):1216-1231 [j]免费全文] [CrossRef] [Medline]
    131. 真实世界的数据和证据支持临床决策。卫生经济学和结果研究专业学会。URL:https://www.ispor.org/images/default-source/strategic-initiative/pfizer-bms-ispor-infographic_finalf1e4521f586d4354b69ff9700bd2fb93.jpg?sfvrsn=508911d8_2[2022-04-01]访问
    132. Bartlett Ellis R, Wright J, Miller LS, Jake-Schoffman D, Hekler EB, Goldstein CM，等。经验教训:对研究人员数字健康检查表的beta测试促使行为科学家呼吁采取行动。[J]互联网研究与发展[J]; 2013;23(12): 562 - 562 [J]免费全文] [CrossRef] [Medline]
    133. 设备软件功能和移动医疗应用的策略。工业和食品药品监督管理局工作人员指南。美国食品药品监督管理局。2019年9月。https://www.fda.gov/media/80958/download[2022-04-01]访问
    134. 李建军，李建军，李建军，等。数字健康研究中技术选择决策表的开发与应用。中华医学杂志2020年10月8日;10(4):1004-1015 [j]免费全文] [CrossRef] [Medline]

    ‎
    广告:阿尔茨海默病
    ADRD:阿尔茨海默病和相关的痴呆症
    CSF:脑脊髓液
    MCI:轻度认知障碍
    NIA:国家老龄研究所
    国家卫生研究院:美国国立卫生研究院
    氛围:日常行为的可变性

    编辑:梁涛;提交21.03.22;E . Weizenbaum, G . Jones的同行评议;对作者的评论29.06.22;修订版本收到19.07.22;接受31.07.22;发表07.09.22

    版权

    ©Katherine Hackett, Tania giovvannetti。最初发表于JMIR Aging (https://aging.www.mybigtv.com)， 2022年9月7日。

    这是一篇在知识共享署名许可(https://creativecommons.org/licenses/by/4.0/)下发布的开放获取文章，该许可允许在任何媒体上不受限制地使用、分发和复制，前提是原始作品首次发表在JMIR Aging上，并适当引用。必须包括完整的书目信息，到https://aging.www.mybigtv.com上原始出版物的链接，以及版权和许可信息。
    Baidu
    map