这是一篇根据创作共用署名许可协议(https://creativecommons.org/licenses/by/4.0/)发布的开放获取文章,允许在任何媒介上不受限制地使用、分发和复制,前提是正确引用了首次发表在JMIR Aging上的原创作品。必须包括完整的书目信息,https://aging.www.mybigtv.com上的原始出版物的链接,以及此版权和许可信息。
空间定向障碍是阿尔茨海默病(AD)患者最早和最令人痛苦的症状之一,并可能导致他们在社区中迷路。虽然这是一个在世界范围内普遍存在的问题,并与各种负面后果有关,但很少有人知道AD患者的户外导航模式在多大程度上解释了为什么他们即使在熟悉的环境中也会出现空间定向障碍。
本研究旨在了解AD患者在不同情况下的户外导航模式(单独vs伴有;在研究过程中定向障碍和无定向障碍),并调查AD患者在户外地标密度高、道路网络结构复杂(道路交叉口密度、交叉口复杂性和方向熵)的环境中导航时是否会出现空间定向障碍。
我们使用GPS跟踪和轨迹挖掘分析技术,调查了社区AD患者(n=15)和年龄匹配的健康对照组(n=18)在2周内的户外导航模式。在此,对于患者,记录在此跟踪期间发生的任何空间定向障碍行为。我们还使用空间缓冲方法来捕捉参与者在跟踪期间访问的环境中的室外地标密度和道路网络的特征。
当有陪同时,AD患者的户外导航模式与对照组相似;然而,当他们独处时,他们每天外出的次数明显减少(总外出次数:
我们的研究结果表明,当独处时,AD患者会限制他们在社区中户外导航的空间和时间范围,以成功地降低他们的空间定向障碍感知风险。这项工作的意义强调了未来研究的重要性,以确定哪些人可能处于空间定向障碍的实际高风险中,以及探索卫生保健措施的实施,以帮助维持患者在社区独自外出时的安全和自主权之间的平衡。
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[
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[
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[
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[
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[
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[
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[
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[
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[
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
在接受实验方案之前,所有参与者都签署了知情同意书。
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)。
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)。
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[
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 [
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。
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”。
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)[
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,
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
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[
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[
因为一天中的时间对痴呆症患者户外导航的影响[
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。
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。
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[
在哪里
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
概述GPS轨迹数据预处理流程,总结本研究中用到的户外导航变量。从所有参与者收集的GPS轨迹数据进行数据清洗和平滑处理,然后进行传输模式分类。根据预处理后的数据,总共生成8个室外导航变量。
我们使用RStudio软件包(3.4.2版本)分3个不同步骤进行分析[
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
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[
中提供了概述户外导航变量不同分析步骤的插图
综述了户外导航变量分析和步行轨迹地理空间分析的不同分析步骤。户外导航变量分析共进行3次组间比较。在地理空间分析方面,对步行轨迹缓冲区内2个不同环境变量(即室外地标密度和路网结构)的构成进行组间比较。
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) [
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[
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[
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[
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
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[
参与者的人口统计数据。
|
控制(n = 18) | 病人(n = 15) | 意义, |
||
年龄(年),平均值(SD) | 68.33 (7.53) | 70.33 (6.86) | .40 | ||
学历(年),平均值(SD) | 15.44 (3.11) | 12.80 (1.78) |
|
||
|
点 | ||||
|
男人 | 9 (50) | 8 (53) |
|
|
|
女性 | 9 (50) | 7 (47) |
|
|
Mini-ACEb平均分数(SD) | 28.52 (1.50) | 18.13 (5.64) |
|
||
有迷路史,n (%) | N/Ac | 12 (80) | N/A |
一个斜体表示组间差异有统计学意义。
b迷你- ace:迷你-阿登布鲁克认知测验。
cN/A:不适用。
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;
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(
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;
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;
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(
室外导航变量的比较(对照组、患者陪同和患者单独)。
户外导航 |
控制, |
病人陪同, |
病人, |
集团的意义, |
事后(对照组-患者陪同), |
事后(仅对照组-患者), |
每日郊游次数 | 2.28 (0.79) | 1.57 (0.85) | 1.04 (0.78) |
|
|
|
每天的户外活动 | 1.89 (0.62) | 1.36 (0.77) | 1.02 (0.76) |
|
.058 |
|
每天夜间出游 | 0.38 (0.31) | 0.21 (0.24) | 0.01 (0.04) |
|
|
|
每次外出活动所需时间(小时) | 1.17 (0.58) | 0.92 (0.57) | 0.41 (0.55) |
|
口径。 |
|
每次郊游总距离(公里) | 23.37 (22.64) | 17.63 (14.90) | 4.60 (10.40) |
|
点 |
|
每次郊游步行距离(公里) | 1.94 (1.02) | 1.33 (0.91) | 0.94 (1.14) |
|
.14点 |
|
平均每次外出离家距离(公里) | 4.69 (4.10) | 3.28 (3.15) | 0.80 (1.86) |
|
. 21 |
|
跨郊游轨迹的相似性(平均离散Fréchet距离) | 0.14 (0.13) | 0.09 (0.08) | 0.04 (0.09) | .10 | .30 | 点 |
一个斜体表示组间差异有统计学意义。
户外导航变量的成对比较后的小提琴图。单括号表示两两比较,波浪表示变量概率分布的镜像核密度估计,黑点表示组均值,与黑点相交的直线表示组sd:(a)每天外出次数,(B)每天白天外出次数,(C)每天夜间外出次数,(D)每次外出花费的移动时间,(E)每次外出总距离,(F)每次外出步行距离,(G)每次外出离家的平均距离。请注意,小提琴图的范围略高于和低于实际数据范围,因为图显示平滑分布。*
户外导航变量的比较(对照组、定向障碍患者、无定向障碍患者)。
室外导航变量 | 控制,平均值(SD) | 定向障碍患者,平均(SD) | 无定向障碍患者,平均(SD) | 集团的意义, |
每日郊游次数 | 2.28 (0.79) | 1.70 (0.71) | 2.11 (0.92) | 二十五分 |
每天的户外活动 | 1.89 (0.62) | 1.49 (0.62) | 1.87 (0.80) | .79 |
每天夜间出游 | 0.38 (0.31) | 0.20 (0.19) | 0.23 (0.27) | 。 |
每次外出活动所需时间(小时) | 1.17 (0.58) | 1.13 (0.75) | 0.82 (0.44) | 。 |
每次郊游总距离(公里) | 23.37 (22.65) | 21.62 (16.41) | 15.47 (13.85) | .60 |
每次郊游步行距离(公里) | 1.94 (1.02) | 1.94 (1.49) | 1.09 (0.61) | 06 |
平均每次外出离家距离(公里) | 4.69 (4.10) | 4.13 (3.13) | 2.81 (2.89) | 点 |
跨郊游轨迹的相似性(平均离散Fréchet距离) | 0.14 (0.13) | 0.11 (0.09) | 0.09 (0.08) | .59 |
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(
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(
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[
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。
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[
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)[
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[
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[
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[
参与者招募,数据预处理和地理空间分析的方法已经包括在主要文本中。
阿尔茨海默病
迷你阿登布鲁克认知测验
圣巴巴拉方向感
空间定向筛选
这项工作得到了Earle和Stuart慈善信托基金和东安格利亚大学医学与健康科学学院的支持(资助R205319)。
VP, MHA, MP, MH提出了作品的概念和设计。VP, SM, GC, MP, MH分析数据并解释结果。VP, SM, MHA, GC, MP和MH起草了这份文件。
没有宣布。