使用被动监测应用程序评估认知正常和认知受损老年人的社会行为:观察性研究gydF4y2Ba

简介gydF4y2Ba

阿尔茨海默病是一种神经退行性疾病，病理特征为异常淀粉样蛋白和tau沉积[gydF4y2Ba1gydF4y2Ba］．这种疾病开始于没有任何症状的临床前阶段，随着时间的推移，认知能力和功能能力逐渐下降，走向前驱性阿尔茨海默症和阿尔茨海默型痴呆症的症状阶段[gydF4y2Ba1gydF4y2Ba］．社交退缩，以减少社交和主观孤独感为特征[gydF4y2Ba2gydF4y2Ba]，已被确定为阿尔茨海默病的早期症状之一[gydF4y2Ba3.gydF4y2Ba］．阿尔茨海默病患者将受益于早期发现社会退缩症状，因为社会互动的丧失与症状的加速进展有关[gydF4y2Ba3.gydF4y2Ba]以及转为痴呆症的风险增加[gydF4y2Ba3.gydF4y2Ba-gydF4y2Ba6gydF4y2Ba］．gydF4y2Ba

评估社会行为的常用方法是使用临床问卷，例如世界卫生组织残疾评估表[gydF4y2Ba7gydF4y2Ba]或社会功能量表[gydF4y2Ba8gydF4y2Ba］．然而，自我报告问卷的可靠性可能会受到阿尔茨海默病患者社会意识减弱的影响，这取决于疾病的严重程度[gydF4y2Ba9gydF4y2Ba，gydF4y2Ba10gydF4y2Ba]，而护理人员报告的问卷依赖于回忆，是繁重和主观的。因此，关于社会行为的自我或照护者报告的临床问卷对这一特定患者群体可能不是可靠的工具。因此，要发现阿尔茨海默病的社交退缩症状，就需要对社交退缩进行客观的测量。gydF4y2Ba

智能手机应用程序是客观和被动评估社交退缩的潜在工具。智能手机应用程序的优点包括可以在参与者的自然环境中收集大量数据，而不需要主动参与。智能手机应用程序Behapp [gydF4y2Ba11gydF4y2Ba旨在评估行为的各个方面，包括通话记录、应用程序使用情况和位置等可作为社交行为代理的指标[gydF4y2Ba12gydF4y2Ba］．因此，在本研究中，我们将使用智能手机应用程序Behapp来被动评估社会行为。关于老年人的社会活动，包括认知正常(CN)和认知受损(CI)的信息很少，因此我们也将测试已知影响社会行为的因素的影响，如年龄、性别、教育[gydF4y2Ba13gydF4y2Ba-gydF4y2Ba15gydF4y2Ba，以及神经精神症状。由于阿尔茨海默病患者经常出现抑郁和冷漠等神经精神症状[gydF4y2Ba16gydF4y2Ba]而这些症状可能会增加发展为阿尔茨海默型痴呆症的风险[gydF4y2Ba17gydF4y2Ba-gydF4y2Ba19gydF4y2Ba]，神经精神症状可能导致社交退缩加剧。gydF4y2Ba

本研究的第一个目的是调查CN对照组的人口统计学特征和Behapp结果变量之间的关系。其次，这项研究旨在测试使用被动智能手机应用程序Behapp测量的社交行为在CI患者中是否与两组相比有所改变:CN老年人和主观认知衰退(SCD)患者[gydF4y2Ba20.gydF4y2Ba]，这些人有发展认知障碍的风险[gydF4y2Ba21gydF4y2Ba］．第三，我们将探索通过神经精神病学量表(NPI)测量的Behapp结果和神经精神症状之间的联系。gydF4y2Ba

方法gydF4y2Ba

参与者gydF4y2Ba

我们纳入了288名参与者，来自3个队列(gydF4y2Ba表1gydF4y2Ba): Hersenonderzoek。问[gydF4y2Ba22gydF4y2Ba]、阿姆斯特丹失智症研究[gydF4y2Ba23gydF4y2Ba]，以及采用中间分层标记(PRISM)的精神病学评分研究[gydF4y2Ba24gydF4y2Ba) (gydF4y2Ba多媒体附件1gydF4y2Ba，表S1)。所有参与者的最低年龄为45岁，最低参与时间为7天。所有参与者都拥有一部安卓手机，只有一名参与者在研究期间使用了一部安卓手机。参与者是在2017年至2020年初，即COVID-19大流行开始之前纳入的。参与者被分配到CN组、SCD组或CI组。所有参与者在参与研究前都提供了知情同意。gydF4y2Ba

伦理批准gydF4y2Ba

在荷兰和西班牙的研究开始前都获得了伦理批准。荷兰的所有研究中心都获得了伦理审查委员会乌得勒支大学医学中心关于PRISM队列的伦理批准(17-021/D)，以及维尔加大学医学中心关于hersenonderzoek的伦理审查委员会(2017.254)的伦理批准。nl和阿姆斯特丹痴呆队列研究。在西班牙，PRISM研究得到Comité Ético de Investigación Clínica格雷戈里奥大学总医院Marañón(59359)的批准。gydF4y2Ba

Behapp应用gydF4y2Ba

Behapp是一款针对安卓手机的智能手机应用，旨在客观和被动地衡量社交能力和社交探索。gydF4y2Ba2gydF4y2Ba，gydF4y2Ba11gydF4y2Ba］．在个人智能手机上安装后，每个参与者都会收到一个唯一的代码来激活应用程序。通过应用程序收集的数据被设置为42天后自动停止。gydF4y2Ba

安装完成后，Behapp通过GPS持续监测通信事件(例如，拨入和拨出的电话)、应用程序活动(例如，社交媒体或娱乐应用程序)和位置。数据被加密后保存在参与者的设备上，并在上传到安全数据服务器后立即删除。电话、短信和应用程序的内容没有被Behapp注册、收集或保存。gydF4y2Ba25gydF4y2Ba］．gydF4y2Ba

Behapp结果定义gydF4y2Ba

所有的Behapp结果都在gydF4y2Ba表2gydF4y2Ba．对于呼叫类别，使用以下定义:唯一联系人是呼入或呼出的唯一电话号码的数量。一次性使用的联系人是指在研究期间只调用一次的联系人数量。平均重复通话数是通话总数除以唯一联系人数。通话次数和通话时长变量除以参与者参与研究的天数。gydF4y2Ba

对于应用程序使用类别，使用以下定义:如果应用程序正在前台运行，则该应用程序是打开的。当与会者将应用打开到前台时，该应用将被打开。应用程序打开的平均时间是指在研究期间应用程序在前台的总持续时间除以研究期间应用程序被打开的总次数。与电话类别类似，应用程序打开变量的次数除以参与者参与研究的天数。gydF4y2Ba

对于位置类别，使用以下定义:停留点是基于GPS的位置，参与者在以第一个测量位置为中心，半径为350米的圆内停留至少60分钟。夜间住宿点是指午夜至凌晨6点之间的住宿点。家被定义为在研究期间，在午夜到早上6点之间花费最多时间的停留点。办公时间以外的停留点是指除了家以外的任何停留点，工作日晚上7点之后和周末全天。平均停留时间定义为在研究期间所有停留点计算出的停留点的平均停留时间。同样，停留点或轨迹变量的总数除以参与者参与研究的天数。gydF4y2Ba

CN控制组gydF4y2Ba

CN组的参与者(n=209)没有报告任何记忆问题。他们要么在网上自我登记自己没有任何神经或精神疾病(n=195)，要么去记忆诊所，根据他们的年龄和受教育程度，在迷你精神状态检查(MMSE)中得分接近平均水平，与规范数据相比(n=14)。为了在认知正常的老年人中发现正常的社会行为，并解决我们的第一个目标，即在认知健康的对照组中发现人口统计学特征和Behapp结果变量之间的可能联系，这个组比SCD组和CI组大。gydF4y2Ba

诊断组gydF4y2Ba

SCD组的参与者(n=55)自我报告了记忆问题。这一组的大多数人(n=36)在网上自我注册，因此没有进行神经心理学测试。该组其余患者(n=19)因记忆不适而前往记忆诊所就诊，但在神经心理测试中未表现出客观的认知缺陷[gydF4y2Ba23gydF4y2Ba］．gydF4y2Ba

CI组的参与者(n=24)被诊断为轻度认知障碍(MCI;(n= 5)或老年痴呆症(n=19) [gydF4y2Ba1gydF4y2Ba］．5名参与者的淀粉样蛋白状态可用，其中4名参与者为淀粉样蛋白阳性，1名MCI参与者为淀粉样蛋白阴性。gydF4y2Ba

将SCD组和CI组的Behapp应用程序的结果与CN组进行比较，以实现我们的第二个目标。gydF4y2Ba

神经精神症状gydF4y2Ba

新产品导入[gydF4y2Ba26gydF4y2Ba是一种基于护理人员的工具，用于测量神经精神症状的严重程度和频率，包括妄想、幻觉、激动、抑郁、焦虑、兴奋、冷漠、去抑制、易怒、异常运动行为、睡眠功能障碍和食欲障碍。NPI是在安装Behapp应用程序之前进行的。在阿姆斯特丹痴呆队列和PRISM队列中，有20名SCD和22名阿尔茨海默病患者可获得结果。每个神经精神病学领域的得分是由每个领域的严重程度得分和频率得分相乘得来的。总NPI得分是所有领域得分的总和，范围从0到144，得分越高表明神经精神症状越多。gydF4y2Ba

统计分析gydF4y2Ba

使用R(版本4.0.2,R Foundation for Statistical Computing)进行统计分析。Mann-WhitneygydF4y2BaUgydF4y2Ba使用检验和Spearman rho来评估CN对照组的Behapp结果与人口统计学特征(即年龄、性别和受教育年限)之间的相关性。正态性采用saphiroo - wilk检验。由于Behapp数据是倾斜的，因此使用中位数和四分位值来描述数据。使用方差分析比较CN、SCD和CI组的基线特征。gydF4y2BatgydF4y2Ba如适用，可采用Kruskal-Wallis检验或卡方检验。gydF4y2Ba

对每个Behapp结果进行对数转换以满足正态性假设，并通过从每个相应变量中减去对照组的平均值并除以对照组的标准差来标准化到对照组。没有需要移除的异常值。采用线性模型，以标准化的Behapp结果为因变量，分组为自变量，并对年龄、性别和受教育年限进行校正。回归模型用于检验标准化Behapp结果测量与NPI总分之间的相关性，并对年龄、性别和受教育年限进行校正。一个gydF4y2BaPgydF4y2Ba<。05被认为是显著的。假设有3组Behapp结果(通话、应用程序使用和位置)，其中变量高度相关(gydF4y2Ba多媒体附件1gydF4y2Ba，图S1)，所有gydF4y2BaPgydF4y2Ba使用Bonferroni校正对3个多重比较进行校正(gydF4y2BaPgydF4y2Ba值/ 3)。由于我们主要对关联模式而不是个体关系感兴趣，所以我们决定不减少变量的数量。gydF4y2Ba

结果gydF4y2Ba

CN控制组gydF4y2Ba

没有任何记忆问题的对照组包括122名女性和87名男性，平均年龄为62.7岁，平均受教育年限为10.6年。gydF4y2Ba表1gydF4y2Ba)．所有Behapp结果的描述性特征都可以在gydF4y2Ba表2gydF4y2Ba．年龄较大的参与者打电话和打开应用程序的频率较低(gydF4y2Ba表2gydF4y2Ba)．受教育程度较高的人打开通信应用程序的频率更高，单次访问的总次数也更高(gydF4y2Ba表2gydF4y2Ba)．在女性和男性之间没有发现差异。gydF4y2Ba

诊断组gydF4y2Ba

共纳入209例CN、55例SCD和24例CI参与者，年龄范围为46 - 83岁。这三个群体的人口特征可以在gydF4y2Ba表1gydF4y2Ba．CI参与者年龄最高(gydF4y2BaPgydF4y2Ba=.002)，最高受教育年限(gydF4y2BaPgydF4y2Ba=.003)，女性最少(gydF4y2BaPgydF4y2Ba=.046)。两组之间的测量天数没有差异。gydF4y2Ba

与CN和SCD参与者相比，CI个体有更少的独特的外向联系人，并且更经常地联系这些相同的联系人。CI和SCD个体的平均重复接触得分均高于CN (gydF4y2Ba图1gydF4y2Ba，gydF4y2Ba表3gydF4y2Ba)．gydF4y2Ba

与CN参与者相比，CI个体较少使用应用程序。与CN组和SCD组相比，CI组较少使用通讯和新闻杂志应用程序(gydF4y2Ba图1gydF4y2Ba，gydF4y2Ba表3gydF4y2Ba)．gydF4y2Ba

对于位置变量，经过多次比较校正后，CI个体与CN和SCD组之间没有发现差异。与CN个体相比，SCD个体除在家以外的夜间活动较少(gydF4y2Ba图1gydF4y2Ba，gydF4y2Ba表3gydF4y2Ba)．gydF4y2Ba

‎gydF4y2Ba 查看此图gydF4y2Ba

神经精神症状gydF4y2Ba

19名SCD参与者和22名CI参与者获得了NPI总分。各组之间的得分没有差异(gydF4y2Ba表1gydF4y2Ba)．在联合样本中，较高的NPI总分与较高的平均旅行距离相关(gydF4y2Ba图2gydF4y2Ba)．在CI组和SCD组中，易怒、冷漠、食欲和抑郁是最常见的神经精神症状。在对这些分数进行分层时，易怒得分越高，使用新闻杂志应用程序的时间越长，旅行距离越远(gydF4y2Ba多媒体附件1gydF4y2Ba，表S2)。我们没有观察到Behapp结果与NPI子得分之间的其他关联。当对诊断组进行校正时，也发现了类似的结果。gydF4y2Ba

‎gydF4y2Ba 查看此图gydF4y2Ba

讨论gydF4y2Ba

主要研究结果gydF4y2Ba

本研究评估CN和CI参与者社会行为的最重要发现是，根据被动监测应用程序Behapp产生的信号，CI参与者与CN和SCD个体不同。差异在表现重复和独特行为的变量中尤其明显。gydF4y2Ba

在CN对照组中，我们发现年龄较大的人打电话的频率较低，使用应用程序的频率也较低。对这种年龄效应的一个可能解释是，年龄较大的参与者总体上不太倾向于使用智能手机，而是更多地使用传统的交流方式——例如，用固定电话打电话，阅读纸质报纸，或者只是在外出时忘记带手机。由于这种行为无法在Behapp应用程序中注册，我们的发现并不一定意味着老年人的社交行为减少了。没有发现与教育相关的明确模式。没有发现性影响，这是出乎意料的，因为女性通常有更大的社交网络[gydF4y2Ba14gydF4y2Ba］．gydF4y2Ba

区分CI参与者与CN和SCD参与者的最重要的Behapp结果与重复或独特的社会行为有关:CI患者更经常与相同的联系人联系。尽管CI组的年龄明显较大，但所发现的影响不太可能仅由年龄较大来解释，因为每组的通话、旅行和访问地方的总量是相似的，并且分析已根据年龄进行了校正。CI患者的探索行为减少与先前的研究一致，这些研究表明CI患者的社会网络较小[gydF4y2Ba27gydF4y2Ba］．此外，CI参与者较少使用通讯和新闻杂志应用程序，这表明他们较少参与社交活动。然而，由于CI参与者一般较少使用应用程序，因此应该谨慎解释这些结果。此外，与认知健康的参与者相比，有一种趋势是CI患者离家的距离更少。这与之前多项研究中GPS追踪器的发现相一致，这些研究表明阿尔茨海默病患者的活动范围缩小了[gydF4y2Ba28gydF4y2Ba，gydF4y2Ba29gydF4y2Ba］．SCD参与者表现出与CN组相似的行为模式，除了夜间住宿点数。SCD是一种异质疾病[gydF4y2Ba20.gydF4y2Ba]，其中一些人可能会在以后患上阿尔茨海默病，但在我们的样本中淀粉样生物标志物的存在很少，因此我们不能将临床前阿尔茨海默病与对照组进行比较。gydF4y2Ba

据我们所知，以前没有研究关于用智能手机应用程序测量的社会行为与阿尔茨海默病人群的神经精神症状之间的关系。由于阿尔茨海默病患者常出现神经精神症状[gydF4y2Ba30.gydF4y2Ba]和多种神经精神症状，如抑郁症，与社交退缩有关[gydF4y2Ba3.gydF4y2Ba]，我们希望发现NPI分数与Behapp结果之间的关联。然而，我们发现仅在SCD/CI联合组中，神经精神症状与更远的旅行距离相关。对这些发现的一个可能的解释是，总体得分很低，因此，NPI得分的范围很小。我们观察到一些相关的分数，但这些很难解释，因为大量的测试。gydF4y2Ba

与之前工作的比较gydF4y2Ba

有人可能会争论Behapp是否代表了社交行为，因为这款应用并不捕捉线下交流。特别是在这一代人中，与他人的互动通常是面对面或通过座机通话。然而，之前的工作证明了Behapp可以捕捉由外部因素引起的人类行为变化的原理，在我们的研究中，外部因素是疾病[gydF4y2Ba12gydF4y2Ba］．其他工作表明，Behapp结果与2份评估社会功能和孤独的问卷(正在准备中)有关。因此，假设Behapp结果是社会行为的一个代理，尽管不是社会行为的全部范围，并且有助于捕捉社会行为的变化。gydF4y2Ba

优势与局限gydF4y2Ba

尽管我们的数据集独特，对照组大，随访时间充足，但本研究存在一定的局限性。首先，在iOS操作系统的智能手机上无法使用Behapp应用程序，这可能会导致选择偏差。一名参与者在研究期间收到了一部安卓手机，但移除这名参与者并不影响结果。其次，Behapp应用程序只测量社会功能的一个方面:一方面，其他形式的社会接触是智能手机无法测量的，比如与某人见面，另一方面，阿尔茨海默病患者改变的社会行为不会自动导致这些患者的主观孤独感。Behapp应用程序只评估通过电话进行的交流，而越来越多的交流是通过社交媒体应用程序进行的。由于隐私规定，不可能追踪用社交媒体应用程序发送的短信数量。因此，我们可能错过了重要的通信信息。进一步的研究应包括调查问卷，以确定所使用的沟通方法和评估孤独感。第三，个人的活动模式往往受到其伴侣的影响，特别是当他们是CI时。Behapp应用程序只测量了参与者的活动模式，没有考虑到可能的伴侣或照顾者的活动模式，这可以解释为什么我们没有发现更强的联系。 Fourth, another limitation is that the CI group consisted of individuals with both MCI and Alzheimer-type dementia. Since patients living with dementia experience by definition more difficulties with instrumental activities of daily living [31gydF4y2Ba]，在对这些临床组进行分层分析时，效果可能更大。除此之外，CI组很小，因此可能会错过重要的关联。最后，CN组和SCD组的大多数参与者没有接受广泛的神经心理学评估;他们的正常认知没有被物化。gydF4y2Ba

未来的发展方向gydF4y2Ba

进一步的研究应侧重于在更大的群体中验证我们的结果，进行广泛的神经心理学评估以确认认知状态，并进行纵向队列研究。我们建议在旨在减少社交退缩的干预研究中使用客观和被动的智能手机应用程序，特别是使用测量独特和重复行为的结果变量。gydF4y2Ba

结论gydF4y2Ba

本研究表明，Behapp智能手机应用能够客观、被动地发现CI和CN参与者之间的差异。这些发现为使用被动监测工具来描述阿尔茨海默病中社会行为的改变提供了支持，尽管还需要做更多的研究。gydF4y2Ba