评估酮单酯补充剂在军事空降训练中对头部损伤风险及神经保护作用的影响
《Physiological Reports》:Assessing head injury risk and neuroprotective effect of ketone monoester supplementation in military airborne training
【字体:
大
中
小
】
时间:2026年03月21日
来源:Physiological Reports 1.9
编辑推荐:
摘要
在作战和训练过程中,战斗人员面临轻度创伤性脑损伤(mTBI)的显著风险。我们进行了一项双盲、随机、安慰剂对照试验,旨在:(1)确定美国陆军基础空降课程中的改进型摆动着陆训练器(ISLT)训练期间头部撞击(HS)的发生率;(2)测试酮单酯(KME)补充剂的保护效果;(3)评
摘要
在作战和训练过程中,战斗人员面临轻度创伤性脑损伤(mTBI)的显著风险。我们进行了一项双盲、随机、安慰剂对照试验,旨在:(1)确定美国陆军基础空降课程中的改进型摆动着陆训练器(ISLT)训练期间头部撞击(HS)的发生率;(2)测试酮单酯(KME)补充剂的保护效果;(3)评估基于血液的mTBI生物标志物特征。我们招募了354名现役男女军人,将他们以1:1的比例随机分配到安慰剂组(PLA)或KME组;共有318人完成了ISLT训练和评估(PLA组157人,男性142人/女性15人;KME组161人,男性144人/女性18人)。共有112人(35.2%;PLA组35.7%,KME组34.8%)经历了HS,定义为挥鞭伤或头盔与地面的撞击。评估包括自动化神经心理评估指标(ANAM-4)、SWAY平衡测试和血浆生物标志物。ANAM-4的一个指标(简单反应时间-重复;p=0.024)和SWAY的一个指标(单腿右腿;p=0.014)显示了HS×时间×处理的交互作用,在HS+PLA组中没有观察到性能下降,而在HS+KME组中观察到了这种下降。ANAM-4和SWAY变量中观察到几个HS×时间的交互作用,表明HS导致了认知和平衡能力的下降。没有相关的基于血液的生物标志物模式与HS或KME相关。预测模型以中等准确性识别出与HS风险相关的变量。总之,ISLT训练期间头部受伤的发生率为约32%,而KME补充剂在保护认知和平衡能力方面效果有限,且没有相应的生物标志物变化。
1 引言
创伤性脑损伤(TBI)对战斗人员有显著影响。部署到伊拉克和阿富汗的美国军事人员的TBI患病率在11%到23%之间(Lindquist等人,2017年)。然而,在作战或训练过程中发生的轻度创伤性脑损伤(mTBI)可能由于症状出现延迟、异质性和轻微性而难以及时识别和立即治疗。认识到早期检测和治疗的重要性,国防部(DoD)和退伍军人事务部(VA)建立了系统范围的筛查和评估程序,以便尽早识别军人和退伍军人的脑震荡(Defense and Veteran Brain Injury Center,2020年)。改进mTBI的预防、诊断和治疗仍然是军事医学研究的重点领域(Lee等人,2020年;Turgoose & Murphy,2018年)。对美国陆军空降作战和训练的研究表明,中度至重度闭合性头部损伤的发生相对较少(Army Public Health Service,2015年;Ivins等人,2008年;Knapik等人,2011年,2014a年,2014b年)。然而,在跳伞、格斗和接触性运动等活动中,经常会发生不产生临床症状的重复性、低幅度的头部加速和撞击,称为亚震荡性头部撞击(SHI)(Kelley等人,2021年;Slobounov等人,2017年)。这些事件被认为是一种独特的神经损伤类型,其特征是短暂的生理压力,但没有明显的脑震荡诊断。尽管重复性SHI已被认为与慢性创伤性脑病等长期神经退行性疾病有关,但目前尚无证据表明空降训练比其他军事角色带来更大的长期神经风险,大多数长期结果数据来自爆炸暴露或接触战斗的人群(Jordan,2013年;McKee等人,2013年;Stein等人,2014年)。即使在没有症状的情况下,SHI也被证明会暂时损害认知表现(例如,反应时间减慢和执行控制能力下降),改变平衡和姿势稳定性指标,并引起神经轴突和星形胶质细胞的血液生物标志物(如GFAP、UCH-L1和NFL)的急性变化(Davenport等人,2016年;Kelley等人,2021年)。重复性SHI暴露与累积的神经生理变化和可能的长期神经退行性风险有关(Koerte等人,2015年)。尽管有这些新的发现,但在作战军事环境中很少监测SHI,这导致了对它们短期功能和生理后果的理解存在重要空白。目前对于头部撞击损伤的标准护理主要是支持性的,并没有针对机械损伤后的次级细胞能量危机、氧化应激和炎症(Jarrahi等人,2020年)。鉴于空降作战中SHI的风险,预防性使用安全且耐受性良好的治疗剂可以减少头部撞击后的次级神经元损伤,并减轻对战斗人员健康和表现的负面影响。因此,能够稳定神经元代谢并防止次级损伤的急性或预防性治疗代表了一个关键的未满足需求(Diaz-Arrastia等人,2014年)。治疗性酮症,定义为血液中酮体水平>0.5 mM的生理状态,在神经损伤(包括TBI)的情况下显示出改善的结构和功能结果(Prins & Matsumoto,2014年;White & Venkatesh,2011年)。TBI的潜在病理生理学涉及脑葡萄糖代谢的短暂增加,随后是脑葡萄糖代谢的长期抑制,在此期间自由基的产生增加,导致DNA损伤(White & Venkatesh,2011年)。鉴于需要易于获得的能量底物以及TBI后葡萄糖代谢的受损,酮体已被证明是损伤后大脑更有效的能量来源(White & Venkatesh,2011年)。酮体比葡萄糖更节能,并通过减少活性氧物种的形成和增加抗氧化能力来防止细胞凋亡和坏死(Kim等人,2007年;Shimazu等人,2013年;Youm等人,2015年)。通过这些机制,外源性酮单酯(KME)补充剂可能在SHI后的代谢抑制期间保护神经元功能和突触信号传导,从而在认知和平衡表现下降中发挥作用。与通过禁食或生酮饮食(KD)诱导酮症的缓慢和可变过程相比,使用公认安全的酮类膳食补充剂可以快速(<30分钟)并持续(约5小时)诱导酮症(Evans等人,2017年;Shivva等人,2016年;Stubbs等人,2020年)。KME主要由β-羟基丁酸和乙酰乙酸以固定比例组成,在健康成年人休息时(Evans等人,2017年;Shivva等人,2016年;Stubbs等人,2017年)以及运动期间和之后(Cox等人,2016年;Holdsworth等人,2017年;Vandoorne等人,2017年)进行了广泛研究。虽然治疗性或膳食酮症在轻度和重度TBI的临床前模型中显示出益处,但其减轻SHI引起的微妙功能损害的潜力尚不清楚。我们试图确定KME是否可以减轻正在接受美国陆军基础空降跳伞训练的现役军人的头部撞击引起的认知和平衡表现变化。除了认知和平衡测试外,我们还评估了一组已被验证或提议作为神经元损伤指标的针对性血液生物标志物。胶质纤维酸性蛋白(GFAP)和泛素C末端水解酶-L1(UCH-L1)已获得FDA批准,用于辅助mTBI评估(Bazarian等人,2021年;Papa等人,2024年),而神经丝轻链(NfL)作为神经轴突损伤的标志物有强有力的证据(Khalil等人,2018年)。同型半胱氨酸也与脑损伤后的较差结果有关(Amini等人,2022年;Lauretta等人,2022年)。我们进一步测量了循环激素和细胞因子,以捕捉对头部撞击的压力、内分泌和免疫反应,这与TBI后的神经炎症和系统生理变化的证据一致(Corps等人,2015年;Xiong等人,2018年;Zetterberg & Blennow,2016年)。除了这些针对性检测外,还进行了细胞外囊泡(EV)转录组和蛋白质组分析作为探索性分析。EV内容物反映了细胞对损伤的动态反应,并被提出作为检测亚临床神经创伤的敏感方法(Dey等人,2023年;Hsi等人,2025年;Romero-García等人,2025年)。因此,我们包括了EV转录组和蛋白质组分析,以补充针对性生物标志物测量,并生成关于亚震荡性头部撞击(HS)的生物学影响及其可能被KME调节的假设。总之,我们的主要目标是:(1)量化美国陆军基础空降课程训练期间的HS发生率;(2)确定HS是否与认知和平衡表现的急性变化相关;(3)测试预防性KME补充剂是否可以减轻这些与HS相关的下降。次要目标包括检查与神经元损伤、内分泌状态和炎症的针对性血液生物标志物的关联。探索性目标包括多组学分析和预测建模,以识别HS的潜在分子特征和风险因素。
2 方法
2.1 参与者
2023年1月至2023年11月期间,在佐治亚州哥伦布市的Fort Moore进行的美国陆军基础空降课程(BAC)训练期间招募了现役军人。BAC是全国最大的空降兵训练项目,每年培训约15,000名学生。该课程分为三个阶段:地面周、塔楼周和跳伞周。地面周侧重于跳伞基础知识、体能训练和基本跳伞技术。塔楼周在这些技能的基础上,从塔楼上的平台上进行模拟跳伞。最后阶段,跳伞周通过从飞机上进行的一系列跳伞来完成训练。参与者在3周BAC训练开始前的周五被招募。他们集体接受了简报,有机会提问,如果感兴趣,将获得参与研究的书面同意。在任何研究程序之前,主要研究者或受过培训的研究人员亲自获得了书面知情同意。参与者被告知他们有权拒绝或退出研究而不会受到惩罚,并且同意是在没有高级现役人员在场的情况下获得的。研究方案获得了IHMC IRB(2022-0031)以及美国陆军医学研究与发展司令部的人类研究监督办公室的批准。所有程序均符合当地法律和机构规定以及赫尔辛基宣言。共有354名参与者参加了研究,分为八个不同的队列,随机分配和分组情况在CONSORT图中显示(图1),人口统计信息和基线信息在表1中显示。各队列相对同质,没有独立的队列导致数据出现显著差异。图1:CONSORT图。表1. 参与者的人口统计特征。PLA KME 总计
女性 男性 女性 男性 女性 男性 女性 男性
(N=15)(N=142)(N=17)(N=144)(N=32)(N=286)
教育水平*
一些高中 0(0%) 1(0.7%) 1(5.9%) 3(2.1%) 1(3.1%) 4(1.4%)
高中/GED 9(60.0%) 88(62.0%) 5(29.4%) 72(50.0%) 14(43.8%) 160(55.9%)
高中后1-3年 4(26.7%) 39(27.5%) 4(23.5%) 35(24.3%) 8(25.0%) 74(25.9%)
本科 2(13.3%) 11(7.7%) 5(29.4%) 24(16.7%) 7(21.9%) 35(12.2%)
高级学位 0(0%) 3(2.1%) 2(11.8%) 9(6.3%) 2(6.3%) 12(4.2%)
年龄(岁) 平均值(标准差) 24.3(6.14) 23.6(4.35) 25.2(5.21) 24.6(5.11) 24.8(5.59) 24.1(4.77)
身高(厘米) 平均值(标准差) 161(11.5) 176(11.6) 160(9.36) 176(10.5) 161(10.2) 176(11.0)
身高(厘米) 平均值(标准差) 165(132, 175) 178(123, 200) 160(145, 183) 178(121, 200) 161(132, 183) 178(121, 200)
体重(千克) 平均值(标准差) 65.8(7.37) 79.8(10.8) 62.9(6.43) 81.5(11.6) 64.3(6.93) 80.6(11.2)
BMI 平均值(标准差) 25.5(3.61) 25.9(4.43) 24.7(3.07) 26.4(3.79) 25.1(3.30) 26.2(4.12)
BMI 平均值(最小值,最大值) 25.0(20.8, 35.4) 25.5(15.9, 53.9) 24.9(19.9, 32.2) 26.1(18.3, 44.6) 25.0(19.9, 35.4) 25.8(15.9, 53.9)
注:连续变量在相同性别的PLA和KME组之间使用独立样本t检验进行比较;未观察到显著差异。教育水平分布使用??2检验在相同性别内进行比较。缩写:BMI,身体质量指数;cm,厘米;kg,千克;KME,酮单酯;PLA,安慰剂;yrs,年。
* 表示KME组和PLA组男性之间的教育分布存在显著差异(??2 p=0.031;Fisher's exact p=0.026)。
2.2 设计
我们采用了一项双盲、安慰剂对照的临床试验,将参与者以1:1的比例随机分配到KME组或安慰剂组(PLA组),以确定补充剂是否可以减轻头部撞击引起的认知和平衡表现的变化。试验和设计围绕塔楼周的改进型摆动着陆训练器(ISLT)训练进行。ISLT训练模拟了跳伞着陆的体验,旨在教授战斗人员如何安全地吸收着陆时的地面冲击。在ISLT训练中,学生穿着安全带从大约6英尺高的平台上跳下并向前摆动。经过几次来回摆动后,站在悬挂学生旁边的教练拉动绳子,学生落到地面。教练观察学生是否正确执行了跳伞着陆(PLF)。学生需要成功完成8次模拟跳伞才能通过ISLT训练。研究数据收集包括在3个不同日子内的5个时间段:基线(也称为T0)、ISLT前(T1)、ISLT期间、ISLT后约4小时(T2)以及ISLT后约18小时(T3)。选择ISLT后约4小时和约18小时的时间点是基于以下证据:一些轻度TBI的血浆生物标志物,如GFAP和UCH-L1,在受伤后3-6小时内达到峰值,而其他标志物,包括NFL和某些炎症细胞因子,则在较晚的时间段(12-24小时)达到峰值(Amoo等人,2022年;Bazarian等人,2021年)。数据收集计划的示意图如图2所示,描绘ISLT训练的图片见图3。基线(T0)阶段在Ground Week的周五下午进行,该阶段包括问卷调查和平衡测试(下文有描述)。ISLT前(T1)在ISLT当天(周二)的早晨进行,包括空腹抽血和问卷填写。ISLT后4小时(T2)在ISLT后大约4小时进行,包括抽血、平衡测试和问卷填写。ISLT后18小时(T3)在ISLT次日的早晨进行,包括空腹抽血和问卷填写。
2.3 KME/安慰剂干预
KME补充剂使用的是D-β-羟基丁酸,由制造商直接提供,品牌为deltaG Tactical Ketones(TdeltaS Global, Inc.,美国佛罗里达州奥兰多),以大包装(1升瓶装)的形式提供。安慰剂饮料是一种商业制备的、口味匹配的对照饮品,2019-2020年间从HVMN(美国加利福尼亚州旧金山Mason街38号3楼)购买,并根据制造商的指导在使用前进行储存。安慰剂产品的设计旨在匹配酮单酯饮料的感官特性,含有无热量的调味剂和苦味剂。在本次分析时,制造商没有提供详细的配方信息和单个成分的目录编号。安慰剂饮料不含酮成分或热量来源。为了确保参与者能够及时获得适当的剂量,KME/PLA采用分层体重剂量方案进行给药。参与者和研究人员都不知道哪种饮料是KME还是PLA。被随机分配到PLA组的参与者会收到等量的口味匹配饮料。所有参与者根据自我报告的体重被分为三个体重类别:轻度组<72.5公斤,接受27克KME;中度组72.5公斤–90.7公斤,接受35克KME;重度组>90.7公斤,接受42克KME。为了在整个训练过程中维持治疗性酮症状态,参与者在初始剂量后约1.5小时会再接受1/3剂量的KME或PLA(轻度组9克;中度组11.7克;重度组14克KME)。这种剂量方案在两项独立的IRB批准的试点研究中得到了开发和验证。在验证研究中,受试者在佩戴连续酮监测仪(Lingo,Abbott)的同时,结合与军事相关的饮食和活动,连续多天接受KME给药。验证研究表明,治疗性酮症状态(组织液中>0.5 mmol/L)可持续307±79分钟,高水平酮症状态(组织液中>2.0 mmol/L)可持续188±55分钟(Miyatsu等人,2025年)。因此,该方案旨在在ISLT训练期间诱导高水平酮症状态,并在训练后数小时内保持这种状态。通过随机选取的一部分参与者进行指尖采血,以评估他们在ISLT训练期间的酮水平。
2.4 头部撞击的确定
我们获取了每位参与者每次ISLT训练的教练评分表。要通过ISLT训练,学生最多有20次尝试来完成8次成功的跳跃。失败的尝试会根据不同的技术或着陆问题进行评分。我们收集了总跳跃次数以及被评为“6”和/或“8”的跳跃次数,这些分数分别对应于挥鞭伤和头部与地面的接触。至少有一次“6”或“8”评分的参与者被归类为头部撞击者(HS),而没有这些评分的参与者被归类为非头部撞击者(NHS)。一些参与者在一次或多次着陆尝试中同时经历了挥鞭伤和头盔与地面的接触;然而,初步的敏感性分析比较了不同的HS分类方法(例如,仅考虑挥鞭伤、仅考虑地面接触以及同时考虑这两种情况)并未提高主要认知(ANAM-4)或平衡(SWAY)结果的敏感性。因此,在所有分析中,挥鞭伤和头盔与地面的接触事件被合并为一个HS类别。我们还获取了每位参与者是否在ISLT当天完成了所需的8次跳跃,从而“通过”了ISLT训练的信息。是否在ISLT当天通过ISLT训练被用作多模态预测建模的目标变量。
2.5 认知、行为和生活方式表型分析
2.5.1 问卷调查
为了描述参与者并收集可能影响ISLT训练表现和KME反应的潜在因素,我们通过问卷收集了关于健康史、饮食和锻炼的信息。问卷问题分为三个领域:(1)人口统计和医疗史(例如,年龄、性别、既往头部受伤情况和用药情况),(2)习惯性锻炼和训练实践(频率、类型和强度),以及(3)饮食摄入和补充剂使用(富含碳水化合物和脂肪的食物的摄入频率、使用促益剂的情况)。这些数据被用于多模态预测建模。
2.5.2 疲劳和嗜睡感
我们使用Samn-Perelli疲劳量表(Petrilli等人,2006年)来衡量每次数据收集时的主观疲劳程度。Samn-Perelli是一个七点量表,从“1”:“完全清醒”到“7”:“完全疲惫,无法有效运作”。我们还使用Karolinska嗜睡量表(KSS)(?kerstedt & Gillberg,1990年)来评估每次数据收集时的主观瞬时嗜睡感。KSS是一个九点量表,从“1”:“极度清醒”到“9”:“非常困倦,难以入睡”。这两个问卷都在基线、T1和T3阶段进行了收集。
2.5.3 自动化神经心理学评估指标—版本4,军事扩展版(ANAM-4)
ANAM-4是一种经过验证的测量工具,常用于评估军人的认知能力,以识别由TBI等原因引起的神经认知障碍(Norris等人,2013年;Vincent等人,2017年)。参与者需要完成ANAM-4核心电池中的10项测试:代码替换—学习和代码替换—延迟(CDS和CDD:持续注意力和工作记忆的测量)、Go/No-Go(GNG:反应抑制的测量)、样本匹配(M2S:空间处理和视觉工作记忆)、数学处理(MTH:基本计算能力、注意力和工作记忆的测量)、程序反应时间(PRO:信息处理速度、视动反应时间和注意力)、空间处理(SPD:视觉技能和心理旋转)、简单反应时间和简单反应时间—重复(SRT和SRT2:反应时间)以及记忆搜索(ST6:言语短期记忆)。ANAM-4在基线和T2阶段进行了测试。先前的研究表明ANAM具有良好的可靠性(综合得分的ICC约为0.91)(Vincent等人,2018年)。ANAM-4的子测试被优先用于评估同时包含准确性和反应时间的吞吐量性能指标(Jones等人,2008年),但Go/No-Go(GNG)测试除外,因为它不提供吞吐量测量。D-prime被用作替代指标,因为它基于命中率和误报率来量化区分目标和非目标刺激的能力。还分析了整个测试电池的平均值(OTBM(Iverson等人,2020年)。在所有ANAM-4子测试中,更高的吞吐量和D-prime值反映了更高效的信息处理、更快的反应时间和更高的准确性——表明更好的认知表现。ANAM-4还包括TBI症状问卷,这是一个自我报告的清单,用于捕捉头部撞击后常见的症状。该问卷包括评估意识暂时改变、失忆、头痛、头晕、对光或噪音的敏感性、睡眠障碍、易怒以及注意力或记忆问题的项目。每个症状都以二分法(是/否)或适用时以频率/严重程度报告。ANAM-4 TBI症状问卷在军事人群中广泛用于帮助识别和监测脑震荡相关症状,并显示出对轻度创伤性脑损伤的良好可靠性和敏感性(Norris等人,2013年)。
2.5.4 平衡能力
我们使用了SWAY Medical的改良平衡误差评分系统(mBESS)作为平衡能力评估工具,该系统旨在评估姿势稳定性(Mummareddy等人,2020年)。在闭眼状态下进行了五次测量:双脚并拢、双脚交替向右、双脚交替向左、单腿向右、单腿向左。mBESS在基线和T2阶段进行了测试。mBESS显示出中等到良好的重测可靠性(ICC约为0.76)(Mummareddy等人,2020年)。对于所有SWAY平衡指标,较高的分数表示更好的姿势稳定性和平衡控制,而较低的分数则反映了更大的姿势摆动和较差的平衡表现。
2.6 血液收集
血液在空腹状态下通过静脉穿刺采集,并用于全血、血清和血浆分析。全血生物样本分析包括在临床实验室(BioReference Laboratories Inc.)进行的完整血细胞计数和全面代谢谱分析。对于其他分析,血清在室温下静置30分钟使其凝固。血浆和血清通过4°C下2000 g × 15分钟的离心分离。血清和血浆被转移到1毫升微量离心管中,冷冻并储存在-80°C。
2.7 靶向TBI生物标志物、循环炎症标志物和循环激素
血浆和血清样本通过干冰 overnight 运送到爱尔兰都柏林的University College Dublin,用于分析已建立的基于血液的TBI标志物(GFAP、UCH-L1、Hcy和NFL)、重要激素和代谢相关蛋白质(TSH、T3、T4、胰岛素、皮质醇、ApoA1、ApoB、SHBG、睾酮、雌二醇、孕酮、DHEA-sulfate、FSH、LH、催乳素)以及关键的炎症标志物(C3、C4、IL-6、IL-8、IL-10、IL-12、CRP、INFγ、TNFα)。根据制造商的指导,这些样本被送往都柏林进行分析。目标分子的批内和批间变异系数在几乎所有检测中都较低,介于2%到5%之间。只有一个指标SHBG的批内变异系数超过10%,即低浓度对照(11%)。表2提供了所有分析物的检测平台、供应商和目录编号。
表2. 目标性创伤性脑损伤生物标志物、循环激素和炎症标志物的检测平台、供应商和目录编号
| 分析物 | 检测类型 | 平台 | 供应商 | 目录编号 |
|-------|---------|------|-------|---------|
| mTBI生物标志物 | Chemiluminescent免疫测定 | Abbott ARCHITECT | Abbott | 04W1720 |
| UCH-L1 | Chemiluminescent免疫测定 | Abbott ARCHITECT | Abbott | 04W1920 |
| 同型半胱氨酸(Hcy) | Chemiluminescent免疫测定 | Abbott ARCHITECT | Abbott | 09P2820 |
| 神经丝轻链(NFL) | Digital免疫测定 | Quanterix Simoa | Quanterix | 104073 |
| 激素 | 甲状腺刺激激素(TSH) | Chemiluminescent免疫测定 | Abbott ARCHITECT | 07P4820 |
| 三碘甲状腺原氨酸(T3,总) | Chemiluminescent免疫测定 | Abbott ARCHITECT | Abbott | 07P9420 |
| 甲状腺素(T4,总) | Chemiluminescent免疫测定 | Abbott ARCHITECT | Abbott | 07P9520 |
| 胰岛素 | Chemiluminescent免疫测定 | Abbott ARCHITECT | Abbott | 04T7520 |
| 皮质醇 | Chemiluminescent免疫测定 | Abbott ARCHITECT | Abbott | 08P3320 |
| 脂蛋白 | 脂蛋白A1 | Chemiluminescent免疫测定 | Abbott ARCHITECT | 09P4624 |
| 脂蛋白B | Chemiluminescent免疫测定 | Abbott ARCHITECT | Abbott | 09P4724 |
| 性激素 | 性激素结合球蛋白(SHBG) | Chemiluminescent免疫测定 | Abbott ARCHITECT | 09P3820 |
| 睾酮(第二代) | Chemiluminescent免疫测定 | Abbott ARCHITECT | Abbott | 07P6822 |
| 雌二醇 | Chemiluminescent免疫测定 | Abbott ARCHITECT | Abbott | 07P5020 |
| 孕酮 | Chemiluminescent免疫测定 | Abbott ARCHITECT | Abbott | 08P3620 |
| DHEA-Sulfate | Chemiluminescent免疫测定 | Abbott ARCHITECT | Abbott | 09P3720 |
| 卵泡刺激激素(FSH) | Chemiluminescent免疫测定 | Abbott ARCHITECT | Abbott | 07P4920 |
| 黄体生成激素(LH) | Chemiluminescent免疫测定 | Abbott ARCHITECT | Abbott | 07P9120 |
| 催乳素 | Chemiluminescent免疫测定 | Abbott ARCHITECT | Abbott | 07P6620 |
| 炎症 | 补体C3 | Chemiluminescent免疫测定 | Abbott ARCHITECT | 09P5624 |
| 补体C4 | Chemiluminescent免疫测定 | Abbott ARCHITECT | Abbott | 09P5724 |
| 白细胞介素-6(IL-6) | 多重免疫测定 | Luminex | Bio-Techne | SPCKE-PS-010343 |
| 白细胞介素-8(IL-8) | 多重免疫测定 | Luminex | Bio-Techne | SPCKE-PS-010343 |
| 白细胞介素-10(IL-10) | 多重免疫测定 | Luminex | Bio-Techne | SPCKE-PS-010343 |
| 白细胞介素-12(IL-12) | 多重免疫测定 | Luminex | Bio-Techne | SPCKE-PS-010343 |
| C反应蛋白(CRP) | Chemiluminescent免疫测定 | Abbott ARCHITECT | Abbott | 07P5620 |
| 干扰素-γ(IFN-γ) | 多重免疫测定 | Luminex | Bio-Techne | SPCKE-PS-010343 |
| 肿瘤坏死因子-α(TNF-α) | 多重免疫测定 | Luminex | Bio-Techne | SPCKE-PS-010343 |
2.8 统计分析
我们使用了带有随机截距的混合效应模型来确定三因素(治疗:KME/PLA × HS: NHS × 时间点)和两因素交互作用(治疗 × HS、治疗 × 时间点、HS × 时间点)以及主要效应,除了多组学分析之外。
2.9 多模态预测建模
我们采用了两种互补的预测建模方法:(1)基于自动化的标准特征选择和(2)基于知识的特征选择。在基于自动化的标准特征选择方法中,我们使用Akaike信息量准则(AIC)来决定是否将某个特征保留为逻辑回归模型中的预测因子,以预测ISLT是否通过或HS/NHS。AIC的一般公式如下:
其中k代表模型中的参数数量,??代表模型的似然函数。重要的是要理解,AIC值只有在比较多个模型时才有意义。出于这个原因,采用了迭代过程,系统地移除和重新引入特征,以观察这些变化如何影响AIC值。在知识引导的特征选择中,对特征进行了分析以识别初始趋势并检查分布、相关性和缺失值。通过由领域知识和相关性分析指导的迭代选择过程,特征被缩减到仅那些能够提高分类准确性的特征。特征包括参与者特征、SWAY平衡测试和ANAM认知反应指标。最终的特征集包括:参与者特征:BMI和年龄;SWAY:双脚并拢闭眼;ANAM:简单反应时间。建模方法采用了一系列分类技术,从朴素贝叶斯和逻辑回归作为基线开始,然后逐步使用支持向量机(SVM)、高斯过程、梯度提升和随机森林模型。使用随机森林模型获得了最佳结果。鉴于数据的不平衡性,高风险参与者的实例较少,应用了类别加权来改善分类平衡。模型超参数通过F1分数和Brier分数进行交叉验证进行调整,因为这些指标更适合评估不平衡数据集的性能。结果表明,F1优化的模型优于Brier分数优化的模型,因此我们选择了F1优化的模型进行最终评估。为了解决数据中的不平衡问题(例如,HS与NHS、ILST通过与失败),并在建模过程中确保公平表示,实施了80-20交叉验证策略。从每个组中选择了相同数量的参与者以创建平衡的数据集。然后将数据集分为训练和测试子集,80%的数据用于训练模型,20%的数据用于测试其性能。多变量逻辑回归模型在80%的训练子集上进行了训练,随后在保留的20%的测试子集上进行了评估。模型性能的主要评估指标是准确性。
3 结果
3.1 参与者分布
在我们的8个独立队列中,共有354名现役军人被招募并随机分配到KME/PLA组,其中327人成功完成了ILST [PLA = 163人,147名男性/16名女性;KME = 164人,146名男性/18名女性]。这些个体的基本人口统计和人体测量数据见表1。其中311人(95%)成功完成了ILST(20次尝试中8次成功)。327名参与者中有11人因非严重头部撞击的原因被教官从ILST中移除。另有5人因严重头部撞击被教官从ILST中移除。
3.2 头部撞击判定
我们选择使用教官对ILST表现的评分作为量化头部撞击的变量。对完成ILST的327人的评分结果显示,有105人(32.1%)出现了头部撞击,其中55人(16.8%)至少得到了一次“6”分(挥鞭伤),50人(15.3%)至少得到了一次“8”分(头盔与地面撞击)。图3显示了按治疗组划分的参与者头部受伤次数的频率直方图。
3.3 头部撞击的分析处理
初步分析比较了遭受挥鞭伤和头盔与地面撞击的参与者的结果,发现对认知和平衡表现的影响相似。因此,将这些亚型合并为一个HS类别以最大化统计功效。我们还通过将HS视为连续变量以及分别对多次HS的参与者进行分类来检查头部撞击的频率。这两种方法都没有提高分析的敏感性或可解释性,因此我们在所有后续分析中将HS变量二分化为HS与无HS。
3.4 基于头部撞击的症状
ANAM-4 TBI症状问卷的回答非常稀少。在43个项目中,只有3个项目获得了可测量的回答,并且HS组与无HS组之间没有显著差异(脑震荡症状:无HS组3.9%(10/255) vs. HS组8.8%(6/68),OR 0.41 [0.15, 1.14],p = 0.115;感到头晕:无HS组7.1%(18/255) vs. HS组11.8%(8/68),OR 0.55 [0.23, 1.31],p = 0.213;头痛:无HS组9.4%(24/255) vs. HS组10.3%(7/68),OR 0.87 [0.37, 2.06])。由于教官因严重头部撞击而从ILST中移除的5名参与者没有完成问卷调查。鉴于响应率低且组间没有差异,因此没有基于症状变量进行子分析。
3.5 疲劳和警觉性(T1、T2和T3)
使用Samn-Perelli方法没有发现疲劳的组×时间交互效应,但时间的主效应显著(p < 0.001),如图4a所示的疲劳评分频率分布的变化。KSS的治疗×时间交互效应显著(p = 0.020)。然而,在可视化频率分布(图4b)时,KME组与PLA组在KSS上报告较高分数的频率没有变化。图4显示了参与者疲劳和嗜睡评分随时间的变化情况。基线(T0):ILST前两天;T2:ILST后4-6小时。
3.6 KME确认
从每个队列中随机选择了2到4名参与者,在KME/PLA给药后30-60分钟测量了指尖血酮水平。结果显示,PLA组的平均值为0.28 mmol/L [范围:0.1–0.3],KME组的平均值为2.01 mmol/L [范围:0.8–7.4]。由于训练环境快速且同时进行ILST的参与者数量众多(一次最多超过50人),无法在每个时间点都获取所有参与者的BHB测量值。因此,在具有代表性的子集中进行采样,以尽量减少对训练的干扰。
3.7 认知和平衡表现(基线和T2)
3.7.1 ANAM-4
在11个比较中,有一个显著的三因素HS × 时间点 × 治疗交互作用:简单反应时间 – 重复(SRT2;p = 0.024)。事后比较显示PLA + HS组有所下降(p = 0.002),而在其他三种条件下没有观察到这种下降。Go/No-Go D-prime显示没有三因素交互作用的概率较低(p = 0.066)。图5展示了11个比较中所有显著的三因素和两因素交互模式。
3.7.2 SWAY
单腿右腿在PLA HS组中从基线到T2的表现有显著的三因素交互作用(p = 0.014),但在其他组中没有(KME HS:p = 0.807,PLA NHS:p = 0.134,KME NHS:p = 0.645)。双脚并拢的测试没有达到先前的显著性水平,尽管没有三因素交互作用的概率较低(p = 0.081;图5 b1)。对于关注HS × 时间交互作用的两因素交互,Tandem Right在HS组中的表现从基线下降(p = 0.012),而在NHS组中保持不变(p = 0.982)。
3.8 mTBI目标血浆生物标志物(T1、T2和T3)
3.8.1 全部队列的mTBI生物标志物
共有317名参与者参与了全部分析(HS/NHS)。首次分析仅考察HS × 时间点的交互作用,以确定HS是否影响mTBI生物标志物水平随时间的变化。GFAP(p = 0.355)、UCH-L1(p = 0.343)、Hcy(p = 0.788)或NFL(p = 0.832)没有交互作用。UCH-L1(p < 0.001)和Hcy(p < 0.001)的时间主效应显著,GFAP有时间趋势(p = 0.100)。NFL的时间主效应不显著(p = 0.298)。图6显示了这四个mTBI生物标志物的模型估计组均值。误差条表示模型估计的95%置信区间。
3.8.2 HS组的mTBI生物标志物
接下来完成了子集分析,以评估KME是否对mTBI生物标志物水平有保护作用。共有109名参与者有mTBI生物标志物数据,其中54人在PLA组,55人在KME组。GFAP(p = 0.831)、UCH-L1(p = 0.201)、Hcy(p = 0.967)或NFL(p = 0.851)没有组×时间的交互作用(图6)。然而,所有四个mTBI生物标志物的时间主效应均显著(UCH-L1:p < 0.001,GFAP:p < 0.001,Hcy:p < 0.001,NFL:p = 0.027)。UCH-L1在T2时高于T1/T3(p < 0.001)。GFAP在T2/T3时升高(p < 0.001)。Hcy的趋势与UCH-L1相似,T2时高于T1/T3(p < 0.001)。NFL在T3时高于T1(p = 0.009)。
3.9 激素和细胞因子(T1和T3)
图7显示了激素和细胞因子分析中的所有显著两因素和三因素交互作用。TSH、总T3或总T4没有三因素交互作用(p > 0.05)。HS与时间的两因素交互作用导致NHS组的TSH下降(p = 0.003),而HS组从T1到T3没有变化(p = 0.980)。自由T4在HS组与时间点之间有交互作用(p = 0.012),在HS组从T1到T3下降(p = 0.001),但在NHS组从T1到T3保持不变(p = 0.792)。自由T3的三因素交互作用显著(p = 0.041);然而,事后测试显示PLA NHS组的自由T4从T1到T3有所下降(p = 0.437),而HS组没有变化(p = 0.085)。胰岛素在NHS组从T1到T3下降(p < 0.001),但在HS组没有变化(p = 0.749)。皮质醇的三因素交互作用显著(p = 0.043);然而,简单的主效应显示HS组从T1到T3没有变化(KME:p = 0.156;PLA:p = 0.168;NHS:p = 0.915)。ApoA1或ApoB没有显著交互作用(所有交互作用的p > 0.100)。
3.9.1 性激素
SHBG及其调节的激素(睾酮、雌二醇和DHEA-Sulfate)没有显著交互作用。FSH的三因素交互作用显著(p = 0.047),KME HS组下降(p < 0.001),KME NHS组下降(p = 0.018),PLA NHS组没有下降(p = 0.122)。催乳素从T1到T3的反应在HS组与无HS组之间没有显著差异(HS × 时间点:p = 0.055)。LH(所有交互作用 > 0.202)或孕酮(所有交互作用 > 0.326)没有显著交互作用。
3.9.2 细胞因子和补体蛋白
C3(p = 0.010)和IL-8(p = 0.024)有三因素交互作用。C3的交互作用主要是由于PLA HS组没有下降(p = 0.523),这在PLA NHS组(p = 0.010)和KME HS组(p < 0.001)中观察到。IL-8的三因素交互作用可能是由于PLA NHS组和KME HS组在T1时IL-8升高所致。PLA NHS组显著高于PLA HS组(p = 0.001)和KME NHS组(p = 0.002),但在KME HS组之间没有差异(p = 0.162)。IL-8在PLA NHS组(p < 0.001)和KME HS组(p = 0.001)中下降,但在KME NHS组中没有变化(p = 0.205)。所有组在T3时的平均值没有差异,表明PLA NHS组和KME HS组的变化可能是回归到平均值,其生理意义值得怀疑。其他炎症细胞因子(CRP、INFγ、IL-6、IL-10和TNFα)没有显著交互作用。在低阶交互作用中,发现了两个显著结果:IL-12与时间点的交互作用(p = 0.048)以及C4与时间点的交互作用(p = 0.036)。对于IL-12的后续测试显示KME NHS有显著增加(p = 0.007),而其他组别没有变化(KME HS:p = 0.553;PLA NHS:p = 0.630;PLA HS:p = 0.195)。对于C4,后续测试显示从T1到T3 KME有轻微下降(p = 0.006),但在PLA组中没有变化(p = 0.790)。在T1(p = 0.224)和T3(p = 0.488)时,各组之间没有差异。
3.10 预测建模
3.10.1 基于标准的自动化特征选择模型
在基于标准的自动化特征选择模型中,我们考虑了三类基线变量来预测HS/NHS和ILST通过/失败:基于血液的靶向生物标志物、认知和平衡表现变量(ANAM和SWAY),以及生活方式变量(例如饮食和锻炼)。由于样本量限制,未将非靶向的、基于发现的转录组学和蛋白质组学数据纳入建模(发现平台仅在66名参与者上运行)。基线生物标志物与因变量之间没有显示出有意义的关系。表3列出了改善模型AIC标准的预测变量列表,以及它们在最终预测和验证中使用的回归模型中的b估计值、标准误差、z值和p值。在预测HS/NHS的模型中(顶部面板),Feet Together(SWAY)、Single Leg Right(SWAY)和Mathematical Processing(ANAM)的正确试验的中位RT显示出显著或边缘显著的p值(p < 0.100)。这些特征的较小p值表明,基线认知和平衡表现具有区分NHS/HS状态的显著预测能力。使用平衡数据集的验证方法,该模型的预测准确率为71.58%,平均精确度为68.67%,平均召回率为74.62%,平均F1分数为71.52%。表3总结了使用认知/平衡和生活方式变量预测HS/NHS和ILST通过/失败的回归模型。
3.10.2 基于知识的特征选择模型
基于知识的特征选择方法的预测建模工作集中在开发用于HS风险预测的随机森林模型上。预测BAC训练通过/失败的模型未能捕捉到任何有意义的模式。在开发预测HS的随机森林模型时,观察到预测准确率有明显的提高。第一步使用了人口统计和生活方式变量,较高的BMI和年龄被确定为显著预测因子。使用这两个变量作为预测因子的基础模型的准确率为46%。第二步考虑了SWAY平衡表现变量,Feet Together作为一个显著预测因子,加入这一变量后模型准确率从46%提高到61%。第三步也是最后一步,加入了ANAM-4认知表现变量,Simple Reaction Time作为一个显著预测因子。加入这一变量后模型准确率从61%提高到74%。每个步骤的模型评估指标在表4中报告。
4 讨论
本研究主要旨在确定HS的发生率,评估HS是否与认知和平衡表现的变化相关,以及测试预防性KME补充是否可以缓解这些下降。次要目标检查了靶向血液生物标志物,而探索性分析包括预测建模,以生成关于HS的分子特征和风险因素的假设。我们的数据显示,33%的ILST受试者至少经历了一次头部撞击事件(即挥鞭伤或头盔与地面产生可听见的接触)。HS与少数认知和平衡表现测量值的轻微变化相关;这些个体没有显示出mTBI的靶向蛋白质或基于发现的生物标志物特征。KME在HS改变的认知和平衡表现变量中显示出有限的保护作用,但由于基于血液的mTBI生物标志物没有变化,理解其生理相关性和潜在机制受到了阻碍。
4.1 头部撞击的普遍性和严重性
在2022年6月至2023年11月期间招募的386名参与者中,有354名被随机分配到八个研究组,其中327名完成了研究。我们使用Cadre评分作为HS的“真实标准”,定义为挥鞭伤(评分为“6”)或头盔与地面的明显(可听见或可见)碰撞(评分为“8”)。Cadre教练接受过良好培训,经验丰富,擅长评估ILST表现,但评分不是定量的。我们的观察表明,不同组之间的评分没有明显的模式或评分偏差,这表明教练之间的评分差异很小。虽然各组之间的评分方法相似,但也可能高估了HS的发生次数。挥鞭伤和可观察到的头盔与地面的接触肯定会产生可检测到的力,这种力会通过头盔传递。然而,由于严重的碰撞导致脑震荡症状而退出研究的参与者很少。本研究关注的是HS在空降训练中的急性效应,我们没有评估长期或慢性的神经后遗症。尽管反复的头部撞击在其他接触和军事训练环境中与持续的神经认知变化有关,但与空降着陆相关的慢性效应的可能性尚不清楚,需要未来的纵向研究来验证。
4.2 认知和平衡表现
在分析ANAM-4和SWAY数据时,我们专注于回答两个关键问题:(1)ILST是否导致HS相关的认知和平衡表现下降,以及(2)KME补充是否减轻了这种下降。关于第一个问题,在11个比较中(即10个ANAM-4子测试加上整体测试电池平均分:OTBM),有4个显示出2-way或3-way交互作用,表明HS相关的整体(OTBM)和子测试(Mathematical Processing、Procedural Reaction Time和Simple Reaction Time – Repeat)下降。同样,在SWAY变量中的5个比较中,有2个显示出显著下降或强烈的下降趋势。尽管Feet Together数据中的边缘显著趋势应谨慎解释,因为参与者的这项测试表现接近上限,但这些结果表明HS相关的认知和平衡表现有轻微的下降。KME补充在减轻这种认知和平衡表现下降方面的效果有限,因为在11个比较中只有1个(Simple Reaction Time – Repeat)显示出显著的三-way交互作用。因此,当前数据不足以得出总体效果的结论。同样,在SWAY变量中也只有1个比较显示出显著的三-way交互作用。因此,这些结果也对KME保护平衡表现免受HS影响的效果提供了有限的支持。
4.3 靶向基于血液的生物标志物
我们的靶向分子生物标志物数据强烈表明,在BAC ISLT期间观察到的HS并不严重到足以引起可检测的mTBI。我们使用了FDA批准的标志物(GFAP和UCH-L1)以及公认的神经元损伤标志物(同型半胱氨酸和NFL)。GFAP的循环值≥30 pg/mL和UCH-L1的循环值≥360 pg/mL表明可能的中度至重度TBI(Bazarian等人,2021年),在临床环境中会导致CT扫描的推荐,而最近的荟萃分析显示mTBI的潜在临床阈值因平台和检测方法而异(Amoo等人,2022年)。在我们的参与者中,GFAP的平均值在12.5到18.09 pg/mL之间,远低于任何TBI的指标,并且HS组和NHS组之间没有差异。UCL-L1也是如此,其置信区间在58.4到193.4 pg/mL之间,远低于临床阈值360 pg/mL。我们的生物样本收集计划在各个组之间基本相同,这一点通过我们观察到的时间变化得到了证实,这些变化反映了昼夜节律和/或饮食的影响。但很明显,接受HS的组和未接受HS的组之间没有可检测的差异。此外,最近的一项选择性研究表明,基于血液的谱型分析不能指示由震荡或亚震荡力引起的mTBI,也无法区分健康对照组和脑震荡患者(Hier等人,2021年)。最后,我们没有进行创伤性脑损伤的临床测试(例如Glascow Coma Scale),因此无法将一个或多个HS评分的人与临床相关结果联系起来。
4.4 激素和细胞因子
我们在复杂的三-way模型以及简化后的两-way模型中注意到了一些组间和时间点的独特交互效应。这些交互效应的实际意义尚不清楚,因为变化幅度相对较小,且预测的置信区间仍有很大重叠。然而,与直接的TBI标志物类似,我们观察到反映昼夜节律、活动或饮食的变化,因为T2时间点的激素和细胞因子浓度有最大的统计学差异。T1和T3的采集是在空腹状态下进行的,通常在所有组中都在0600到0700之间,而T2则在1600到1700之间。一天中的身体活动以及T2接近中午的时间可能是这些结果的主要驱动因素。由于没有HS严重到造成主要损伤和由此产生的继发性炎症和应激反应,因此HS对这些因素没有明显影响。
4.5 多组学
我们还进行了探索性的转录组学和蛋白质组学分析,但没有发现HS或KME补充的可重复分子特征。虽然在孤立的时间点观察到少量差异表达的转录本和蛋白质,但这些变化不一致,通常可归因于一天中的时间变化。这些发现与靶向生物标志物数据一致,进一步证实了在这种训练背景下HS事件没有产生可检测的mTBI分子特征。完整的探索性多组学数据集及相关分析已作为永久公共记录存储在Figshare上(DOI: 10.6084/m9.figshare.31021216);这些数据旨在支持透明度并用于未来的假设生成,并未作为主要手稿的一部分接受正式的同行评审。
4.6 预测建模
预测建模表明,基线认知和平衡表现以及人口统计变量(如年龄和体重指数BMI)与ILST期间的头部撞击(HS)风险有轻微关联。通过多种互补的建模方法,分类准确率处于中等水平(约71%–74%),这表明预训练的神经认知能力和姿势稳定性指标虽然提供了有价值的信息,但尚不足以完全用于头部冲击(HS)风险的分层。其中,反应时间和平衡能力的测量指标始终是重要的特征,这支持了基线感觉运动功能可能影响着陆表现和HS易感性的观点。然而,这些指标在识别高风险个体方面的敏感性有限,且类别不平衡限制了预测的实用性,因此需要更大的数据集、更精确的生物力学表征以及更细致的表型分析,以实现具有实际操作意义的预测。
4.7 限制因素
本研究的一个主要限制是缺乏在ISLT着陆过程中的头部运动学数据。尽管使用了头盔内的传感器,但由于信号质量不足,无法进行分析,这凸显了在大规模、实地军事训练环境中捕捉可靠生物力学数据的难度。因此,我们无法量化与每次着陆相关的线性和旋转头部加速度,从而限制了将冲击强度或方向与急性认知、平衡或生物标志物结果联系起来的能力。未来的研究应纳入经过验证的可穿戴传感器系统来量化冲击强度和方向,这将有助于更好地解释头部撞击事件。另一个限制是缺乏无冲击对照条件。虽然通过重复的ISLT前后的评估来考虑日内变化,但如果包含一个没有头部冲击的对照组,将有助于更准确地分离头部撞击的影响与时间、疲劳或训练相关因素。高吞吐量军事训练环境的操作限制使得无法设置这样的对照组;不过,未来研究可以通过引入平行的无冲击训练日或匹配的非空中飞行队列来改善实验控制。
4.7 限制因素
本研究的一个主要限制是缺乏ISLT着陆过程中的头部运动学数据。尽管配备了头盔内的传感器,但由于信号质量不佳,无法进行分析,这表明在大型、实地军事训练环境中获取可靠的生物力学数据非常困难。因此,我们无法量化与每次着陆相关的线性和旋转头部加速度,从而限制了将冲击强度或方向与急性认知、平衡或生物标志物结果联系起来的能力。未来的研究应采用经过验证的可穿戴传感器系统来量化冲击强度和方向,从而增强对头部撞击事件的解释能力。另一个限制是缺乏无冲击对照条件。虽然通过重复的ISLT前后的评估来考虑日内变化,但如果包含一个没有头部冲击的对照组,将有助于更准确地分离头部撞击的影响与时间、疲劳或训练相关因素。然而,高吞吐量军事训练环境的操作限制使得无法设置这样的对照组;不过,未来研究可以通过引入平行的无冲击训练日或匹配的非空中飞行队列来改善实验控制。
5 结论
本研究旨在确定美国陆军BAC训练期间头部冲击(HS)的普遍性和后果,并评估预防性酮单酯(KME)补充剂在减轻轻度创伤性脑损伤(mTBI)次级后果方面的潜在效果。通过结合认知、平衡、血液生物标志物和多模态分析,我们的发现为ISLT训练期间HS的发生率及其对表现的影响提供了新的见解。研究证实,即使在未出现mTBI生物标志物水平的情况下,ISLT训练期间的HS也会导致可测量的认知和平衡缺陷。尽管KME补充剂在表现结果上的预防效果有限,但这些发现为进一步研究神经保护策略和预测工具奠定了基础,以降低军事人员重复头部冲击的风险。未来的工作应集中在改进检测方法、扩展表型分析以及探索新的干预措施上,以保护作战人员的表现和长期神经健康。
作者贡献
T.M.、J.M.和Z.A.G.参与了方法论设计、调查、正式分析、数据管理、软件开发、验证、可视化以及初稿的撰写,并对手稿进行了审阅和编辑。A.M.和K.M.参与了正式分析、软件开发、初稿撰写以及手稿的审阅和编辑。A.D.参与了调查和可视化工作。M.Y.参与了调查、监督和项目管理工作。A.F.参与了方法论设计、调查以及手稿的审阅和编辑。E.A.、E.H.、B.L.、K.G.-M.、B.M.、J.P.、R.S.、K.V.K.-J.和P.P.提供了资源支持。M.M.B.、T.J.B.和M.S.参与了概念构思、方法论设计、调查、监督、手稿审阅和编辑以及资金筹集。所有作者均批准了最终版本的手稿。
致谢
我们感谢参与研究的军人志愿者。同时,我们也感谢摩尔堡的领导团队,特别是BAC团队(奥斯汀·里茨曼少校、瑞安·加拉格尔少校、克雷格·巴恩希尔少校、CSM理查德·库图里埃以及所有BAC ISLT教官)。我们还要感谢IHMC的临床和研究工作人员在实施这项具有挑战性的实地研究中所做的努力。本研究基于美国特种作战司令部(USSOCOM)授予佛罗里达人类与机器认知研究所的合同号H9240519C0016的支持。Abbott Diagnostics以实物形式提供了mTBI生物标志物检测服务。Alinity I TBI测试是与美国陆军医疗物资开发活动(US Army Medical Materiel Development Activity)和美国陆军医疗研究与发展司令部(US Army Medical Research and Development Command)的合作项目CRADA 20-1266-CRA共同开发的。我们还报告了一项相关验证研究的结果,其中Abbott Lingo提供了CKM设备作为实物支持。本文中的所有事实陈述、观点或结论均为作者个人观点,不应被视为代表USSOCOM、美国政府或Abbott Diagnostics的官方立场。生成式人工智能(AI)工具被用于辅助数据分析代码的开发和优化,以及手稿草稿的校对和编辑,以提高清晰度和可读性。所有分析、解释和结论均由作者本人审核和确认,作者对内容负全责。
资金信息
本研究得到了美国国防部(USSOCOM)的支持,合同号为H9240519C0016,授予佛罗里达人类与机器认知研究所。相关组学分析还得到了美国国立卫生研究院(National Institutes of Health)的支持,合同号为P30CA033572。Abbott Diagnostics以实物形式提供了mTBI生物标志物检测服务。Alinity I TBI测试是与美国陆军医疗物资开发活动(US Army Medical Materiel Development Activity)和美国陆军医疗研究与发展司令部(US Army Medical Research and Development Command)的合作项目CRADA 20-1266-CRA共同开发的。组学分析由转化基因组学研究团队(Translational Genomics Research Institute)在国立癌症研究所(National Cancer Institute)的支持下完成。此外,还报告了一项相关验证研究的结果(Miyatsu等人,2025年),其中Abbott Lingo提供了连续酮体监测设备作为实物支持。
伦理声明
所有涉及人类参与者的程序均经过了佛罗里达人类与机器认知研究所(IHMC;协议号2022-0031)和美国陆军医疗研究与发展司令部人类研究监督办公室(U.S. Army Medical Research and Development Command Office of Human Research Oversight)的审查和批准。研究遵循《赫尔辛基宣言》及相关机构指南进行,并在所有参与者参与前获得了书面知情同意。
数据可用性声明
本研究的探索性多组学方法、分析结果和讨论已存储在Figshare上,公众可访问地址为https://figshare.com/s/4f7b64b39fbf7e0e5f2d(DOI: 10.6084/m9.figshare.31021216)。这些数据作为永久性公共记录提供,代表了未经过正式同行评审的探索性分析结果。支持本研究发现的额外数据(包括Figshare仓库中未包含的去标识化个体级数据)可根据合理请求从通讯作者处获取,但需获得机构审查委员会(IRB)、伦理审查和数据使用协议的批准。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号