使用GPS跟踪调查阿尔茨海默病患者的户外导航模式:横断面研究

简介

背景

空间定向障碍是阿尔茨海默病(AD)患者最早和最痛苦的症状之一[1，2］．它被定义为患者不确定自己在哪里，无法导航到预定位置的时刻[3.］．这种症状在行为上表现为患者在社区中犯导航错误，这反过来又可能导致他们在不熟悉和熟悉的环境中迷路的风险[4］．作为一个在世界范围内普遍存在的问题，高达70%的痴呆症患者在其病程中至少经历过一次迷失发作，而其他人则经历过多次发作[5-8］．事实上，在英国，每年有多达4万名痴呆症患者第一次在社区中迷路，随着全球痴呆症患者人数的预计增加，这些发病率很可能会增加。5，9］．

虽然AD的发作是不可预测的，但在现实世界中，AD患者可能会经历迷路发作的常见情况包括(1)他们在社区中进行日常活动(例如，每天在社区散步和去街角商店)，(2)他们故意不受照顾者的监督(例如，在商店外等待照顾者)，以及(3)在照顾者睡着的夜间时间[10，11］．迷失发作会给病人带来各种负面后果，例如让他们进护养院的机会增加7倍，降低他们的自主意识，增加他们受伤甚至可能死亡的风险[7，12］．除了患者本身，这些事件的其他后果包括增加照顾者的负担和痛苦，以及执法团体(即警察)和社区搜索资源的参与[11，13-15］．

尽管迷失发作会对患者、他们的护理人员以及其他方面产生重大的负面影响，但对于为什么这些发作以及空间定向障碍会发生在AD患者身上，我们仍然知之甚少。从神经学的角度来看，与其他痴呆症相比，空间定向障碍在AD中更为常见[16，17］．事实上，这是由于AD神经病理学传播的模式，在大脑空间导航基础区域早期出现。例如，神经病理学引起的内侧颞叶和顶叶结构的改变，分别导致自我中心(基于身体的)和分配中心(基于地图的)导航策略的损害，以及两者之间的相互作用[1］．这种导航障碍可能在导致患者在社区中出现导航错误方面发挥根本作用，最终导致他们无法恢复，从而导致他们迷路。

除空间导航障碍外，本课题组先前的研究表明，某些环境因素，如室外地标密度增加和复杂的路网结构，可能会触发患者发生导航错误，从而成为空间定向障碍的危险因素[18，19］．然而，这些因素是通过警方对失联痴呆症患者的回顾性案件报告确定的，由于无法获得失联人员的轨迹数据，这些因素在多大程度上导致了空间定向障碍尚不清楚。

迄今为止，很少有研究调查了社区中AD患者的户外导航模式，从一般意义上探索这些模式，更具体地说，将它们与护理人员负担和个人自身健康等因素联系起来[20.-23］．然而，这些研究都没有将这些个体的测量导航模式与空间定向障碍或环境风险因素的发生联系起来。探索这种关系可以潜在地深入了解与空间定向障碍相关的变量。具体来说，我们对流动性风险因素感兴趣，如果确定了这些因素，就可以用来确定哪些人可能在社区中迷路的风险很高。

目标

因此，我们对社区居住的AD患者和年龄匹配的健康对照组进行了一项户外导航研究，使用GPS跟踪超过2周。我们的第一个目标是了解患者在自然、自由生活条件下的户外导航模式。在这里，我们想要调查健康老年人与(1)总体患者之间是否存在潜在差异，(2)单独患者与陪伴患者之间，以及(3)在跟踪期间经历过或没有经历过空间定向障碍的患者之间。我们的第二个目标是测试我们是否可以验证我们之前关于环境风险因素导致迷失发作的研究结果[18，19]，通过回顾性调查AD患者在户外地标密度高、道路网络结构复杂的环境中导航时是否会出现空间定向障碍。

对于我们的第一个目标，我们提出以下假设(H):

首先，根据以前的研究结果，与健康的老年人相比，AD患者在社区中的户外导航能力会减少[20.，22]更具体地说，由于广泛报道的AD患者的空间导航障碍[1) (H1)。

其次，我们预计AD患者独自一人时户外导航的潜在减少比陪同外出时更为明显(H2)。

第三，我们还假设，我们将确定支持先前报道的风险因素的活动模式，这些风险因素是通过访谈和病例报告确定的，用于患者的空间定向障碍。具体而言，在追踪期间经历定向障碍的患者离家的距离会更高(即冒险进入不熟悉的环境)，并且夜间进入社区的次数会增加，从而支持了使用生态户外导航数据的AD患者发生空间定向障碍的常见报道情况[10) (H3)。

对于我们的第二个目标，我们提出以下假设:

在跟踪期间，在户外地标密度高和道路网络结构复杂的环境中导航的患者将会出现空间定向障碍，因为这两个建筑特征在我们之前的研究中已经被认为是AD患者空间定向障碍的环境危险因素[18，19) (H4)。

方法

招聘

本研究共招募了16名居住在社区的AD患者和18名年龄匹配的健康对照组多媒体附件1详情)。在参与研究之前，所有参与者都进行了初步的电话筛选程序，以评估他们是否有资格参加研究。纳入标准如下:年龄在50 - 80岁之间，住在家里，如果在患者组中，必须得到AD的临床诊断，并且有一个非常了解他们并愿意协助研究的照顾者(亲属或配偶)。排除标准为既往有酒精或药物滥用史，存在精神疾病，存在任何其他可能影响参与研究的重大疾病(头部损伤，视力丧失和行动问题)，以及患者存在与AD无关的共病神经疾病。

在接受实验方案之前，所有参与者都签署了知情同意书。

伦理批准

东安格利亚大学医学和健康科学研究伦理委员会(FMH2017/18-123)以及国家卫生服务健康研究管理局(项目ID205788;16 / LO / 1366)。

试验协议

所有参与者都接受了一项实验方案，包括认知测试和2周的GPS跟踪(详细内容将在下一小节中介绍)。

背景人口统计和认知测试

健康对照组的认知测试在大学校园的一个安静的测试室内进行，而患者的认知测试则在他们自己家中的一个安静的房间里进行。在这里，从他们的护理人员那里收集了参与者的背景人口统计数据，包括他们的年龄、性别、教育水平，以及他们是否有过迷失史。此外，参与者还完成了一系列认知测试和空间导航问卷。与本研究相关的是，参与者完成了Mini-Addenbrooke认知测验(Mini-ACE)和圣巴巴拉方向感(SBSOD)量表。Mini-ACE是一种敏感的、经过验证的痴呆症认知筛查测试，得分越低表明认知障碍越严重;SBSOD是一种衡量现实环境空间能力的自我报告量表，得分越高表明空间能力越强[24，25］．由于阿尔茨海默症患者可能因为疾病而对自己的导航能力缺乏认识[26]，我们还要求他们的护工完成空间定向筛查(SOS)问卷。这是一种新开发的筛查工具，用于评估护理人员在社区中对患者导航障碍的报告，得分越高表明障碍越严重[27］．

GPS跟踪

认知测试结束后，所有参与者都在自然条件下接受了为期两周的社区户外导航模式的GPS跟踪。在这里，社区中的户外导航被定义为发生在参与者家之外的任何运动，包括社区内室内位置(如购物中心和超市)内的运动。选择2周的探索性时间框架作为跟踪期，以捕获参与者在重复的工作日和周末的户外导航模式，并考虑这些模式的潜在日常波动。参与者以3人为一组进行平行跟踪，整个数据收集期为2018年11月至2019年11月(即12个月零14天)。

所有参与者都在家中接受访问，并为他们提供GPS追踪器(Trackershop Pro Pod 5 [28])。他们被要求在跟踪期间只要出门就戴上追踪器(即把它放在外套或裤子口袋里)。所有参与者都被要求佩戴追踪器，无论他们是独自一人还是有人陪同，也无论他们外出时使用何种交通工具。每次郊游，参与者都被要求记录郊游的日期和时间、使用的交通工具，以及在郊游期间是独自一人还是有人陪同，并以模板形式提供给他们。为了解释在患者身上发现的认知障碍，他们的护理人员被要求确保他们(即患者)在跟踪期间无论何时离开家都不要忘记佩戴追踪器。

第一批22名参与者(13名对照组和9名患者)的GPS设备每3秒记录1个样本的数据(即0.33 Hz)，而其余12名参与者(5名对照组和7名患者)每5秒记录1个样本的数据(即0.20 Hz)。采样频率的差异是由于GPS公司在数据收集中途改变了网络上设备的最低采样频率(从0.33 Hz到0.20 Hz)。这些设备记录了每个数据点的以下变量:日期和时间、地址(街道名称)、速度(公里/小时)、电量(百分比)、行驶距离(公里)、信号精度(百分比)以及经纬度坐标。

跟踪期空间定向障碍行为

在GPS数据收集后，我们回顾性地从护理人员那里获得了跟踪期间患者空间定向障碍行为的信息。护理人员被问及，在这段时间内，他们的亲人是否经历过(他们知道的)任何情况(1)迷失的情节，(2)更微妙的空间定向障碍行为，护理人员必须干预并纠正患者的导航。根据护理人员的反应，在跟踪期间，所有患者的每一个迷失方向行为都被记录为简单的“是”或“否”。

数据分析

GPS轨迹数据预处理

采集的GPS轨迹数据在MATLAB中进行预处理(版本R2017b;MathWorks)，由数据清理、平滑和传输模式分类组成。

对于每个参与者，数据清理过程包括从他们的数据中识别和删除没有户外导航的日子。在这里，我们发现了1名患者，由于GPS跟踪器故障，几乎没有记录数据。该患者被移除进行分析，在患者组中总共留下15名参与者。在数据清洗之后，对所有参与者的剩余数据运行数据平滑程序，其中包括识别和去除数据中的峰值(即数据中反映传感器噪声或伪噪声的大高频位移)。根据文献中的建议，使用每对连续记录数据点之间设置的距离阈值来识别和删除代表峰值的数据点(即，在数据点之间的时间差中，假设设置最大速度，个人可以覆盖的假设距离)[29，30.］．

接下来，我们将每个参与者的轨迹数据点分为三种运输方式:静止、步行和车内。作为第一步，我们将所有轨迹数据点分组到时间窗口中。对于以0.33 Hz记录数据的参与者，每个时间窗口的持续时间为9秒，对于以0.20 Hz记录数据的参与者，每个时间窗口的持续时间为10秒。对于两组参与者，我们为时间窗口设置的持续时间不仅相似，而且尽可能小，以确保数据记录之间的一致性，并提高我们运输方式分类的准确性。然后将每个时间窗口划分为运输方式(即，静止的，用脚,在汽车)，根据该时间窗口内数据点的集合平均值和最大速度值[31］．

有关预处理的进一步详细信息(包括用于数据平滑的距离阈值和用于传输模式分类的速度阈值)，请参见多媒体附件1．

GPS轨迹的室外导航变量分析

概述

为了探索参与者的户外导航模式，测量了他们外出的总次数、旅行距离(总距离和步行距离)、在户外移动的时间以及离家的距离。之所以选择这些变量，是因为它们在以前对痴呆症患者的GPS跟踪研究中被建议代表户外导航的重要方面[20.-22］．此外，一项研究表明，痴呆症患者外出的时间取决于一天中的时间[20.］．因此，我们还选择查看白天和夜间的总外出次数，以进一步探索这一模式。最后，因为之前一项研究的定性结果表明，痴呆症患者在他们的社区导航时，会坚持走熟悉的路线[32]，轨迹的相似性是我们最后一个感兴趣的变量，以定量研究这种模式。

外出次数(总次数、白天和夜间)

根据每个参与者的轨迹，我们确定了他们外出的总次数。在这里，郊游被定义为一段旅程，从参与者离开家开始，到回家结束。首先通过计算所有记录的数据点到参与者家庭地址质心的距离来识别外出。根据以往的研究，家庭住址质心(即表示私人住宅中心的GPS坐标)30米内(即GPS设备测量误差SD的3倍，确定真实位置的置信度为97%)的所有数据点都被认为是反映参与者在家[33］．当参与者的运动轨迹离开家并最少行进了100米时，便可确定为一次郊游，这已被证明是确定郊游的合理阈值[34］．通过将该值除以记录的总天数，计算每个参与者在跟踪期间外出的总次数，并将其归一化。

因为一天中的时间对痴呆症患者户外导航的影响[20.]，我们特别感兴趣的是白天(上午6时至下午6时)和夜间(下午6时01分至早上5时59分)外出的总次数。尽管我们认识到，在这些时间段内，户外环境根据季节(例如日光量)会有不同的特征，但为了一致性，我们对所有参与者使用相同的时间段，尽管参与者在一年中的不同时间被跟踪。保持一致的时间带还具有考虑除日光之外的变量的优势，这些变量可能会影响参与者在一天中的不同时间离开家(例如，如果通常从上午9点工作到下午5点，护理人员的可用性以及高峰时段的行人和车辆交通)。这些变量的值根据GPS数据记录的总天数进行归一化。

花在户外的时间

对于在室外活动的时间，本研究中使用的GPS设备在2分钟内没有检测到任何移动时自动停止记录数据。因此，对于这个变量，我们计算了参与者每次外出的总持续时间的总和，不包括参与者不活动的时间。然后，该变量被归一化为参与者外出的总次数。

旅行距离(总，步行，从家里出发)

为了计算总旅行距离，每对连续数据点之间的距离在所有参与者的旅行中求和，并归一化为总旅行。同样的方法被用于计算步行的距离，这一次只使用每个参与者行走轨迹的部分(即行走轨迹)。同样，这个值是针对总外出次数进行标准化处理的。为了计算从家到家的距离，我们计算了每次外出到参与者家的数据点的平均距离，并在所有外出中求平均值。

轨迹相似性

为了计算我们感兴趣的最后一个变量，轨迹的相似性，我们使用了一个称为离散Fréchet距离的度量，它来自连续Fréchet距离度量[35］．连续的Fréchet距离用于评估轨迹的相似性，通过测量2个连续曲线在形状上的相似程度，考虑组成曲线的数据点的位置和顺序[36］．用来解释连续Fréchet距离概念的一个常见例子是，一个人牵着皮带遛狗，人在一个连续的轨道上(A)，狗在另一个连续的轨道上(B)。连续Fréchet距离指的是将轨道A上的人与轨道B上的狗连接起来所需的一条线的最小长度，两者同时向前走。离散的Fréchet距离是这种测量的一种变化，其中只考虑构成轨迹的离散数据点(即轨迹固定)，并且评估轨迹数据点之间的所有可能的成对距离，所有成对距离的最大值是最终计算值(参见Tao等人的研究[37]查阅详情)。这里，两个轨迹越相似，离散Fréchet距离越低。我们选择使用这一指标，因为它很好地反映了我们的轨迹数据集的结构，每个参与者的GPS数据点以定期、离散的间隔采样。此外，该度量提供了更全面的连续Fréchet距离的良好近似，计算成本相对较低，并已在以前的研究中用于从自然GPS数据计算轨迹相似性[37，38］．2个独立轨迹之间的离散Fréchet距离DFD，一个而且B的计算公式为[35，37]:

在哪里一个₁而且b₁表示轨迹中的第一组点一个的长度n而且B的长度米．对于每个参与者，我们使用MATLAB函数[计算他们所有郊游轨迹组合的离散Fréchet距离]。39]，并计算这些值的平均值。

概述了GPS轨迹数据预处理过程，并对所有室外导航变量进行了总结图1．

‎ 查看此图

分析步骤

我们使用RStudio软件包(3.4.2版本)分3个不同步骤进行分析[40］．在第一步中，我们使用2-tailed比较了对照组和患者之间所有变量的差异t测试。在非正态分布的情况下，使用Wilcoxon秩和检验[41］．

然后，在第二步中，使用来自导航日记的信息，我们将每个AD患者的郊游分为单独郊游和陪同郊游。这样做的基本原理是基于我们的预测，AD患者的户外导航模式会受到他们是独自一人还是有人陪同的影响。当有人陪伴时，它们可以依靠其他个体(即照顾者)来导航，而当它们独自一人时，这是不可能的;因此，后一种情况更有可能突出更能反映其导航障碍的模式。对于对照组，我们不希望他们的户外导航模式受到他们是独自一人还是有人陪伴的影响，因为他们没有AD诱导的损害导航行为的神经病理学，因此没有对该组的数据进行分割。然后，我们比较了三组(对照组(所有郊游)、患者(单独郊游)和患者(陪同郊游)所有户外导航变量的差异。使用线性混合模型来评估这些差异nlmeR [42]，模型中选择群体作为固定效应，受试者间因素和参与者作为随机效应，受试者内因素。之所以选择这个统计模型，是因为它解释了两个组的参与者(即，单独时的患者和有陪伴时的患者)是相同的个体，以及在两种情况下这些个体收集的数据中产生的相互依赖。在对每个变量运行单独的混合模型后，运行R包中构建的anova来评估整体组显著性，随后进行事后成对测试(也构建在R包中)，使用错误发现率方法对多次比较进行校正[43］．

对于最后一步，利用我们从患者护理人员那里获得的追踪期间空间定向障碍的信息，我们将这些个体分为两组(在追踪期间定向障碍和正常定向)。然后，我们使用单向方差分析(one -way anova)调查了对照组、定向障碍患者和无定向障碍患者之间所有户外导航变量的组间差异。在非正态分布的情况下，采用Kruskal-Wallis检验[44］．

中提供了概述户外导航变量不同分析步骤的插图图2．

‎ 查看此图

GPS轨迹的地理空间分析

我们对参与者的轨迹进行了地理空间分析，以验证我们的发现，即增加的室外地标密度和复杂的道路网络结构可能导致患者的空间定向障碍。为此，我们将每个参与者的行走轨迹(即按步行分类的数据点)导入并绘制到ArcGIS软件(Esri) [45]，使用世界大地测量系统1984地理坐标系统[46］．我们选择只关注参与者的行走轨迹，因为我们假设当患者不行走时(即被动地坐在车辆中)不太可能发生空间定向障碍。我们认识到，如果患者主动驾驶车辆，仍然可能出现方向感障碍;然而，我们假设我们样本中的患者都不是主动驾驶，因为他们有认知障碍。

我们首先测试了在跟踪期间经历定向障碍的患者是否表现出通过户外地标密度增加的区域的行走轨迹。在这里，我们使用了与之前研究中相同的室外地标数据集和空间缓冲方法来测量所有参与者访问区域的室外地标密度。简而言之，数据集包含从开放街景中可视可达的所有室外地标，方法包括在轨迹周围生成一个空间缓冲区，以捕获访问地点周围的所有地标(参见Puthusseryppady等人的研究[18),多媒体附件1详情)。在这里，我们选择50米半径作为参与者行走轨迹周围生成的缓冲区，因为之前的研究表明，这个距离适合捕捉所有的环境特征，例如沿着旅行路线可以直接到达的室外地标[47，48］．为了考虑GPS设备的测量误差(10米)，除了最初的50米外，我们在缓冲区中增加了30米(即3倍测量误差的SD，以确保97%的置信度确定位置)，遵循文献[33］．因此，对于每个参与者，在他们的行走轨迹周围生成80米的测地线缓冲区，然后计算落在这些缓冲区内的室外地标的数量(对总步行距离进行标准化)。然后使用Kruskal-Wallis测试对对照组、定向障碍患者和无定向障碍患者进行该变量的组比较。

接下来，我们测试了在跟踪期间经历过定向障碍的患者的行走轨迹是否经过了道路交叉路口密度和复杂性较高的区域。为此，我们使用了与之前研究中相同的道路网络数据集和空间缓冲方法(参见Puthusseryppady等人的研究[19),多媒体附件1详情)。简而言之，数据集包含了英国所有的道路和十字路口，该方法涉及在轨迹周围生成一个空间缓冲区，以捕获参与者在外出时使用的所有道路和十字路口。在这里，考虑到GPS设备的测量误差，选择了一个半径为30米的缓冲区，并在参与者的行走轨迹周围生成。计算落在所有参与者缓冲区内的道路交叉口的数量和平均复杂性(将前者归一为总步行距离)，并分别使用Kruskal-Wallis和单向方差分析检验进行组比较。

最后，我们测试了道路方向熵对患者在跟踪期间经历空间定向障碍的影响。道路方向熵测量了给定区域内道路的方向，是该区域内道路网络布局有序程度的一个指标。这里，较高的道路方向熵表示低阶，较低的道路方向熵表示高阶。在我们之前的研究中，我们发现2公里的缓冲半径对识别不同位置之间道路方向熵的变化很敏感[19]，我们选择使用这个距离(加上一个30米的误差缓冲区)作为我们的缓冲区。随后，在参与者的轨迹周围生成2.03 km的缓冲区，并使用香农熵计算落在这些缓冲区内的道路的方向熵(参见Puthusseryppady等人的研究[19),多媒体附件1详情)。然后使用单因素方差分析进行组间比较。

中提供了一个概述GPS轨迹地理空间分析的不同分析步骤的插图图2．

结果

参与者人口

本研究的对照组和患者在年龄和性别上没有统计学差异;然而，在受教育年限方面存在统计学差异，对照组的受教育年限高于患者。在Mini-ACE治疗中，患者的表现明显差于对照组;所有这些个体的得分都符合轻度痴呆症≤25/30的上限，并且在先前报道的轻度AD患者的得分范围内[25，49］．据护理人员报告，大多数患者过去至少有一次社区迷路史(表1)．

户外导航变量分析

我们对室外导航变量(对照组与患者)的首次分析结果显示，总体而言，任何变量的组间差异均不显著。然而，与对照组相比，患者夜间外出次数减少(对照组:平均0.39,SD 0.32;患者:平均0.22,SD 0.24;P=.09)，步行距离较低(对照组均值1.95，标准差1.30 km;患者平均1.44,SD 1.10公里;P=.07)，但这些结果无统计学意义。

我们的第二项分析结果(即，将患者的数据分为单独郊游和陪同郊游后)显示88%(7/8)的变量(表2)．

两组之间的回顾性两两比较显示，与对照组相比，单独时患者每天外出次数显著减少(总外出次数-对照组:均值2.28,SD 0.79;患者单独:平均1.04,SD 0.78;P<措施;白天外出-对照:平均值1.89，标准差0.62;患者单独:平均1.02,SD 0.76;P= .003;夜间外出-对照:均值0.38，标准差0.31;患者单独:均值0.01,SD 0.04;P<.001)，每次外出活动所花费的时间较低(对照组:平均值1.17，标准差0.58小时;患者单独:平均0.41,SD 0.55小时;P=.001)，较低的每次郊游总距离(对照组:平均值23.37公里，标准差22.64公里;患者单独:平均4.60公里，SD 10.40公里;P=.009)，每次郊游步行距离较低(对照组:均值1.94，标准差1.02公里;患者单独:平均0.94,SD 1.14公里;P=.02)，每次外出离家的平均距离较低(对照组:平均4.69公里，标准差4.10公里;患者单独:平均0.80,SD 1.86公里;P= 04;图3)．对于最后一个变量(即所有郊游轨迹的相似性)，这两组之间没有显著差异。与此同时，当对照组与有陪同的患者进行比较时，除了每天的总外出次数和夜间外出次数外，其他变量均无显著差异。在这里，与对照组相比，有陪同的患者的总外出次数显著减少(对照组:均值2.28,SD 0.79;患者伴发:平均1.57,SD 0.85;P=.02)和每天夜间外出次数(对照:平均值0.38，标准差0.31;患者伴发:平均0.21,SD 0.24;P= .04点;图3)．与对照组相比，当患者每天陪同外出的次数减少时，也出现了一种趋势(对照组:平均值1.89,SD 0.62;患者伴发:平均1.36,SD 0.77;P= 0。06);然而，这一结果在统计学上并不显著。以上结果总结在图3．

当患者独自一人时与有人陪伴时进行比较时，与有人陪伴时相比，独自一人时患者每天夜间外出次数较少，每次外出活动时间较少，差异显著(夜间外出-患者陪伴:均值0.21,SD 0.24;患者单独:均值0.01,SD 0.04;P= .04点;每次门诊患者陪同移动时间:平均0.92小时，标准差0.57小时;患者单独:平均0.41,SD 0.55小时;P= .04点;图3)．其余变量均无显著差异，但与有陪同的患者相比，单独患者每日总外出次数减少的趋势有所变化(陪同患者:均值1.57,SD 0.85;患者单独:平均1.04,SD 0.78;P=.09)，郊游总距离较低(患者陪同:平均17.63公里，标准差14.90公里;患者单独:平均4.60公里，SD 10.40公里;P=.08)，平均外出离家距离较低(患者陪同:平均3.28公里，SD 3.15公里;患者单独:平均0.80,SD 1.86公里;P=.07)，但这些结果没有统计学意义。

为了探索患者独处时户外导航变量的个体间差异是否与他们对空间能力的主观感知有关，我们将他们在所有变量(仅外出)上的输出与他们各自在SBSOD量表上的得分相关，作为事后分析。我们还通过将这些变量与他们在SOS上的得分相关联，探讨了他们仅在外出时对户外导航变量的输出是否与他们的护理人员报告的导航障碍有关。皮尔逊相关和斯皮尔曼相关(非正态分布变量)用于此。结果显示，患者在SBSOD或SOS上的得分与任何室外导航变量之间没有显著相关性。

在我们的第三次分析中，我们发现没有一个病人被他们的护理人员报告在跟踪期间走失。然而，据报道，有6个人经历了更微妙的空间定向障碍，他们没有迷路，但他们的照顾者必须干预并纠正他们的导航。结果没有显示任何户外导航变量的组间显著差异(表3)．

‎ 查看此图

GPS轨迹的地理空间分析

我们的第一组地理空间分析结果显示，步行轨迹周围的室外地标密度存在显著的组间差异(P<措施)。事后配对Wilcoxon秩和检验显示，对照组行走轨迹缓冲区的室外地标密度明显高于定向障碍患者和无定向障碍患者(P=。002年和P<措施，respectively). However, there were no significant differences when comparing the outdoor landmark density falling within the walking trajectory buffer zones of the patients with disorientation with those without (P= .60)。

我们的第二组结果显示，在参与者步行轨迹所遇到的道路交叉路口的密度或复杂性方面，没有显著的组间差异(P=。43而且P=。45，respectively). Our final set of results showed that there was a significant group difference in the road orientation entropy surrounding the participants’ walking trajectories (P= . 01)。成对的事后处理t试验表明，对照组行走轨迹周围的道路方向熵明显高于定向障碍患者和无定向障碍患者(P=。两者都是03)。然而，定向障碍患者和无定向障碍患者行走轨迹周围的道路定向熵没有显著差异(P= .89)。

讨论

主要研究结果

我们发现，与对照组相比，AD患者总体上在社区户外导航方面没有表现出任何显著差异，这并不支持我们的假设H1。然而，在将患者的数据分为单独外出和陪同外出后，我们发现，与对照组相比，单独外出时，患者在社区中的户外导航表现得更少，也更受限制，这支持了我们的假设H2。当他们被陪伴时，他们的大部分户外导航模式与控制组相似;他们只在白天和晚上外出的次数上与对照组不同。此外，我们的研究结果没有强调AD患者空间定向障碍的任何显著的活动风险因素，这并不支持假设H3。最后，我们没有发现这些个体的户外地标密度增加和复杂的道路网络结构与空间定向障碍之间的关联，这也不支持假设H4。

更详细地说，我们的研究结果显示，仅在外出时，患者所走的距离(总距离和步行距离)较短，在室外活动的时间较少，并且离家较近，后两项发现与之前的研究一致[20.，22］．扩展其中一项研究的发现，AD患者外出的时间变化小于对照组[20.]，我们在这里表明，患者独处时白天和晚上外出的次数较少。此外，此前有定性报道称，AD患者在他们的社区坚持使用熟悉的路线[32］．我们的发现并没有证实这些先前的发现，因为我们发现对照组和患者所采取的路线的相似性没有显著差异，无论后者是独自出游还是陪同出游。然而，值得一提的是，路线相似度的测量很可能受到参与者所导航位置的环境约束差异的影响(即，路线选择少vs多种)，我们在这里没有考虑到这一点。此外，这里使用的离散Fréchet距离度量是许多可用于计算轨迹相似性的度量之一。当考虑其他轨迹相似度量时，如动态时间翘曲和最长公共子序列时，我们的结果是否仍然成立[37]，有待于今后的研究进一步研究。总的来说，据我们所知，这是第一个系统地调查了AD患者在社区中独自一人和有人陪伴时户外导航模式的差异的研究。

很明显，AD患者独自外出时受限的户外导航模式与空间定向障碍有关，这些患者中的大多数(n=11)的护理人员在SOS问卷上指出，由于他们(即患者)担心找不到路，患者避免独自旅行和参与活动。我们样本中的大多数患者都有在社区中迷路的历史，我们的发现反映了这些人采取的一种方法(可能是对这些事件的反应)来降低他们经历空间定向障碍的风险。事实上，这种降低风险的策略与之前的一项研究一致，该研究报告称，限制户外导航到非常熟悉的地点，可以防止AD患者迷路。50］．然而，除了对空间定向障碍的恐惧之外，其他因素也可能解释患者独处时受限的导航模式，包括身体活动能力和视力障碍，以及对事故和跌倒的恐惧等，这些因素在本文中没有进行测量。除了患者本身，我们还考虑了他们的护理人员可能对采用这种风险降低策略产生的潜在影响，特别是考虑到他们对患者独自外出的犹豫。因此，护理人员的外部干预行为和患者自身的内部限制导航行为可能是独处时受限户外导航模式的基础。据我们所知，这是第一个将社区AD患者的户外导航模式与空间定向障碍联系起来的研究，而之前的研究只将这些模式与护理负担和个人自身的健康联系起来[21，23］．

我们无法确定AD患者空间定向障碍的重要活动风险因素，这表明空间定向障碍不能仅通过观察这些患者在社区中的活动方式来解释。然而，考虑到患者限制户外导航以降低空间定向障碍的风险，很可能他们所限制的变量实际上反映了空间定向障碍的风险因素。在这些方面，增加白夜外出、户外活动时间、旅行距离(总数和步行)以及离家更远的地方都可能是增加患者出现空间定向障碍的可能性的因素。需要进一步的研究来确定这些变量是否真正代表了社区空间定向障碍的流动性风险因素。另外值得一提的是，虽然我们分析了参与者外出活动的时空范围，但我们并没有记录外出活动目的的信息。或许，将患者的外出活动背景化可以进一步了解空间定向障碍的潜在活动风险因素(即，患者在进行某种外出活动时可能会经历定向障碍)，这确实是一个值得在未来研究中探索的因素。我们对GPS轨迹的地理空间分析表明，患有和未经历定向障碍的患者所访问的区域具有相似的室外地标密度和道路网络结构的复杂性。这个零结果表明，在这个阶段，我们无法验证我们在之前研究中的发现[18，19］．这种结果的差异可能是由于样本量的差异，本研究只有6例空间定向障碍患者，而我们之前的研究样本量大得多，有210人。此外，在本研究中，患者感到定向障碍的具体位置尚不清楚，因为定向障碍是通过外出后护理人员的反应进行回顾性测量的，而先前的研究对痴呆症患者报告经历空间定向障碍并失踪的位置使用了空间缓冲分析。也有可能，由于护理人员与患者有私人关系，他们对患者迷失方向的注意可能受到他们以前与患者的导航经验的影响(即，在患者实际上可能没有迷失方向的时刻错误地确定了迷失方向)。为了克服这些限制，未来的研究应该尝试复制我们的调查，使用相对较大的AD定向障碍患者样本量，以及对这种行为发生的具体位置进行更细粒度的缓冲分析。未来的研究可能还会使用基于传感器的导航活动测量，这可能更准确地推断出参与者在特定环境中的迷失方向，使用机器学习方法可以识别参与者是否表现出偏离性能基准。

尽管限制户外导航的风险降低策略表明，患者在社区中意识到自己的导航障碍，但我们的事后分析结果显示，患者在SBSOD量表上的得分与他们独处时的户外导航行为之间没有相关性。虽然具体原因目前尚不清楚，但SBSOD量表得分已显示与特定导航任务的得分相关(学习新的空间布局，在熟悉的环境中做出方向判断等)[24]，在我们的户外导航变量中缺乏明确的导航能力测量可以解释这个null结果。我们也没有发现患者在SOS问卷上的得分与他们独处时的户外导航行为之间有任何关系。这一无效结果可能是由于SOS问卷是一种新的尚未验证的工具[27];因此，它在多大程度上与社区户外导航的生态措施有关尚不清楚。更重要的是，可以认为护理人员在SOS问卷的后半部分的回答(即，使用李克特量表来评估患者当前的导航能力与过去相比)可能会受到他们自己对患者状况的焦虑程度的潜在影响。由于这些回答可能会影响总体问卷评分，因此这些评分很可能不能反映患者导航障碍的真实程度。最后，患者在单独进行户外导航变量时的相对低变异性也可能是导致他们在SBSOD量表和SOS问卷上得分为零相关性的一个因素。

当患者独自一人时，他们的外出次数、旅行距离和外出时间都明显减少，这一发现对医疗保健专业人员如何帮助管理这些人的幸福感和独立性具有重要意义。鉴于郊游对认知及身体健康的重要性[51]，以及生活质量和社会心理健康[52]，医护人员应建议，至少在以前有迷路史的情况下，阿尔茨海默病患者应定期陪同外出。事实上，这种活动可以潜在地帮助维持患者执行日常功能的能力，从而降低他们被收容的风险，减轻长期照顾者的负担[53］．然而，考虑到这可能会增加照顾者的负担，应该探索未来技术的实施，使AD患者在独立外出时感到更轻松，并协助他们导航。这可能包括研究佩戴GPS追踪器在独自外出时唤起安全感方面的影响，以及增强现实技术的使用，这可能能够使用街道地图来帮助AD患者在独自外出时为他们提供回家的方向。

限制

尽管我们的发现很新颖，但我们的研究仍有一些局限性需要解决。我们没有考虑发病前的生活方式模式在多大程度上可以解释仅在外出时患者所见的受限户外导航模式。由于样本量有限，我们也没有进一步调查性别和不同年龄组的影响，这两个因素都被认为是影响户外导航模式的因素[20.，54］．未来的研究应集中于以前从未迷路的患者，并纵向调查迷路事件的发生率对他们户外导航模式变化的影响，包括这种变化如何随性别和年龄而变化。这种方法不仅有助于更全面地了解室外导航模式是如何因空间定向障碍而影响患者的，而且还可能有助于识别这些个体中空间定向障碍和迷失发作的活动风险因素。此外，我们也没有考虑在导航过程中使用技术的个体间差异，这可能会影响结果，因为可能对智能手机等导航辅助设备更熟练的患者在户外导航过程中不太可能出现空间定向障碍。未来的研究可以通过招募每天最少使用导航辅助设备的患者，在较长时间内调查空间定向障碍，以确保准确捕捉和报告空间定向障碍发作，从而控制这种潜在的混乱。

结论

总之，我们的结果表明，AD患者在独处时限制他们在社区中户外导航的空间和时间范围，以降低他们经历空间定向障碍的风险。从研究的角度来看，我们的发现强调了在迷路事件发生之前探索导航模式的潜力，以确定可能导致空间定向障碍的移动风险因素。此外，我们的研究结果强调了使用GPS跟踪来阐明环境变量对空间定向障碍的因果影响的效用。我们的发现也有伦理意义。限制社区户外导航对患者的自主性和整体生活质量有负面影响[55］．因此，这可能不是最合适的解决方案，因为并非所有这些人实际上都有可能在社区中经历空间定向障碍。为了在他们的自主权利和安全之间取得平衡，未来研究的一个重要步骤是通过评估他们在自然社区环境中的导航表现来确定哪些患者确实具有空间定向障碍的高风险。确定这样一个群体反过来会产生临床意义，因为可以在这些人的保护计划中实施更多的措施，以防止他们未来在社区中迷失。