阿尔茨海默病认知减退患者中每日步数与认知功能、临床特征及静息态脑电图(resting-state electroencephalographic, rsEEG)指标的关联研究

《GeroScience》:Associations of daily step counts with cognitive, clinical, and resting-state electroencephalographic measures in patients with cognitive decline due to Alzheimer’s disease

【字体: 大 中 小 】 时间:2026年06月26日 来源:GeroScience 6.0

编辑推荐:

  久坐行为是被广泛认可的神经退行性疾病中认知减退与痴呆的可修饰危险因素。本研究采用基于智能手表(smartwatch)的远程监测程序结合生态认知评估(ecological cognitive assessment),探讨步数能否反映阿尔茨海默病(Alzheime

  
久坐行为是被广泛认可的神经退行性疾病中认知减退与痴呆的可修饰危险因素。本研究采用基于智能手表(smartwatch)的远程监测程序结合生态认知评估(ecological cognitive assessment),探讨步数能否反映阿尔茨海默病(Alzheimer's disease, AD)所致轻度认知障碍(AD due to mild cognitive impairment, ADMCI)及痴呆(AD due to dementia, ADD)患者的久坐行为及其与认知功能的关联。研究人员连续招募19例ADD、28例ADMCI及23例认知正常老年人(cognitively unimpaired older adults, Nold)。受试者接受临床评估、静息态脑电图(rsEEG)记录及神经心理学测验,随后使用Samsung Galaxy Watch 4–6设备在家监测约一周,记录总步数、目的性步数(purposeful steps)、非目的性/伴随性步数(incidental steps)及活动强度(峰值30分钟步频,peak 30-min cadence),并配合商业平板上无监督的SmartMe&You-TELEMAIA严肃电子游戏(serious videogame)电池进行认知评估。ADD组总步数及峰值步频均低于ADMCI组与Nold组;rsEEG标记物与认知测验呈梯度模式区分三组。在AD样本中,智能手表衍生的活动指标与传统神经心理测验及生态严肃游戏表现所测认知功能相关,但与rsEEG节律关联有限。ADD组EEG δ(delta)及α(alpha)节律异常程度高于ADMCI组。家用商用智能手表日间活动监测表明,步数与步频强度和ADMCI及ADD患者认知状态相关。结果表明,智能手表衍生的活动指标可作为AD患者日常功能可行且经济的标记物。
论文解读:《Associations of daily step counts with cognitive, clinical, and resting-state electroencephalographic measures in patients with cognitive decline due to Alzheimer's disease》(发表于GeroScience)

一、研究背景与立项依据
阿尔茨海默病(Alzheimer's disease, AD)是全球最常见的痴呆病因,临床表现为从AD所致轻度认知障碍(AD due to mild cognitive impairment, ADMCI)进展至AD所致痴呆(AD due to dementia, ADD),伴随进行性认知减退与功能丧失。久坐行为与体力活动不足已被Lancet委员会列为AD及相关痴呆重要的可修饰危险因素,大规模流行病学研究显示较高体力活动与较低全因痴呆及AD风险相关,且日常步行活动与较大海马体积相关。然而既往客观活动数据多来自研究级体动仪(actigraph/accelerometer),消费级商用智能手表在AD患者居家长期监测中的可行性及步数指标与疾病阶段、认知表现、静息态脑电(resting-state electroencephalographic, rsEEG)大尺度神经同步的关系尚未明确。部分研究发现AD患者步数减少,但也有研究未见轻中度AD与正常对照间步数差异,且步数与rsEEG vigilance调节机制的关系仍不清楚。为此,研究人员在整合临床、神经心理、rsEEG及生态认知评估的多模态框架下,使用商用Samsung Galaxy Watch结合SmartMe&You-TELEMAIA无监督平板严肃游戏平台,探讨ADMCI与ADD患者每日步数指标(总量、目的性步数、伴随性步数incidental steps、峰值30分钟步频peak 30-min cadence)与认知状态、神经心理表现、抑郁症状严重度及rsEEG节律的关联,并评估家庭远程监测的可行性。

二、主要关键技术方法概述
研究人员自PREDICT-NEURODEGEN项目连续招募ADD(N=19,初筛25例)、ADMCI(N=28,初筛35例)及认知正常老年人Nold(N=23,初筛29例),AD诊断基于脑脊液/血液Aβ1–42-磷酸化tau比值、18F-FDG-PET或结构MRI海马/顶颞后扣带受累等生物标志物阳性,分组按DSM-5标准区分ADD(日常生活工具性活动受损)与ADMCI(功能独立)。排除重度抑郁(GDS>20或BDI-II>28)、慢性系统性疾病(如糖尿病)及服用抗胆碱能抗抑郁药等干扰药物者。所有受试者完成:①简易精神状态检查(Mini-Mental State Examination, MMSE)及涵盖记忆、注意执行、语言、视空间的标准神经心理测验电池,辅以Katz ADL与Lawton IADL评估功能独立性,Epworth嗜睡量表(Epworth Sleepiness Scale, ESS)与BDI-II/GDS评估嗜睡与抑郁;②静息态闭眼EEG(rsEEG eyes-closed)19或32导联记录,经目视与独立成分分析(Independent Component Analysis, ICA)伪迹去除后用Welch法计算功率谱密度(Power Spectral Density, PSD),依个体α频率(Individual Alpha Frequency, IAF)与过渡频率(Transition Frequency, TF)定义δ、θ、α1、α2、α3频带,用精确低分辨率电磁层析成像(exact Low-Resolution Electromagnetic TomogrAphy, eLORETA)估算皮质源电流密度并聚合为额、中央、顶、枕、颞、边缘六个感兴趣区(Region of Interest, ROI),计算rsEEG警觉指数=log10(α2+α3)-log10(δ+θ);③家为期约一周连续佩戴Samsung Galaxy Watch 4–6记录每分钟步数,导出日均总步数、目的性步数(步频≥40步/分)、伴随性步数(步频<40步/分)及日均峰值30分钟步频(每日最高30个1分钟步频均值),剔除<200步/日及末日异常低值后要求≥3个有效监测日;④无监督SmartMe&You-TELEMAIA平板严肃游戏(7项持续注意/空间注意/go-no-go任务)记录正确率与反应时。统计分析采用ANCOVA校正年龄/性别/教育程度(步数指标另校正监测天数),偏相关分析控制相同协变量,部分结果用固定频带(δ 2–4 Hz, θ 4–6 Hz, α 8–12 Hz)做敏感性分析,显著性水平α=0.05(Holm法校正多重比较)。

三、研究结果
Sample characteristics(样本特征)
初入组89例,最终有效样本为ADD N=19、ADMCI N=28、Nold N=23(各组分别排除6、7、6例因有效监测日不足3天)。三组年龄有差异(Nold较ADMCI年轻),故后续均校正年龄、性别、教育年限。MMSE与ADL/IADL呈预期梯度差异:ADD< />< />
Group differences in resting-state EEG, physical activity metrics, and SmartMe&You-TELEMAIA serious videogame performance(静息态EEG、体力活动指标及严肃游戏表现的组间差异)
  • •
    Resting-state EEG markers(静息态EEG标记物):rsEEG样本为ADD N=16、ADMCI N=25、Nold N=22。ADD组显示全局δ(global delta)、θ(global theta)及α1(global alpha 1)电流密度高于ADMCI与Nold,而α2(global alpha 2)与α3(global alpha 3)低于后两组;IAF与TF在ADD组更慢。ANCOVA示全局δ(F=18.5, p<0.001, η2=0.38)、全局θ(F=15.0, p<0.001, η2=0.34)、全局α1(F=10.2, p<0.001, η2=0.24)ADD显著高于ADMCI与Nold(padj均<0.05);全局α2(F=3.7, p=0.03)、全局α3(F=10.2, p<0.001)ADD显著低于Nold与ADMCI;警觉指数(F=16.5, p<0.001, η2=0.35)呈ADD< />< />
  • •
    Smartwatch-derived physical activity metrics(智能手表衍生体力活动指标):ANCOVA示日均总步数(F=7.3, p=0.001, η2=0.17)ADD显著低于Nold(padj=0.002, d=1.13)与ADMCI(padj=0.005, d=0.97);目的性步数(F=4.6, p=0.01)ADD低于Nold(padj=0.01, d=0.95);伴随性步数(F=12.0, p<0.001, η2=0.24)ADD低于ADMCI(padj<0.001, d=1.47)与Nold(padj=0.004, d=1.01);峰值30分钟步频(F=7.8, p<0.001, η2=0.18)ADD低于Nold(padj<0.001, d=1.20)与ADMCI(padj=0.01, d=0.87)。ADMCI与Nold间各步数指标均无显著差异。
  • •
    SmartMe&You-TELEMAIA serious videogames(严肃游戏表现):全局正确率(F=28.2, p<0.001, η2=0.47)与反应时(F=6.4, p=0.003, η2=0.19)呈ADD< />ADMCI padj=0.04、ADD>Nold padj=0.002)。
Associations between smartwatch-derived activity metrics, resting-state EEG, and clinical measures in AD(AD患者中智能手表活动指标、rsEEG与临床变量的关联)
合并AD临床样本(ADD+ADMCI, N=47)控制年龄/性别/教育后偏相关显示:日均总步数与MMSE正相关(r=0.40, p=0.01),伴随性步数与MMSE正相关最强(r=0.51, p<0.001),峰值步频与MMSE正相关(r=0.31, p=0.04),目的性步数与MMSE边缘不显著(r=0.27, p=0.07)。BDI-II评分与日均总步数(r=-0.34, p=0.04)及伴随性步数(r=-0.42, p=0.01)负相关。各步数指标相互高度相关(r=0.51–0.94, 均p<0.001)。步数指标与rsEEG标记物关联弱且局限:日均总步数(r=-0.33, p=0.04)与伴随性步数(r=-0.37, p=0.02)与全局α1电流密度呈弱负相关,与δ、θ、α2、α3、IAF及警觉指数无显著相关。固定频带敏感性分析中伴随性步数与固定δ(r=-0.35, p=0.03)、固定θ(r=-0.37, p=0.02)负相关,日均总步数与伴随性步数与固定α(8–12 Hz)正相关(r=0.34, p=0.04)。全样本(含Nold)分析步数与rsEEG慢波负关、快波正关,但在限定AD临床样本内此关联消失或极弱。
Neuropsychological profiles across groups and associations of activity metrics with neuropsychological tests and SmartMe&You-TELEMAIA performance in AD(神经心理测验的组间特征及与活动指标的关联)
各神经心理域(言语即时/延迟记忆、画钟、语义/音位流畅性)呈ADD< />

四、讨论与结论总结(翻译结论部分)
本研究表明,在整合SmartMe&You-TELEMAIA平台的家用商用智能手表每日步数远程监测是ADMCI与ADD患者中可行且具潜在临床信息价值的方法。主要发现为步数减少与步频降低主要集中在痴呆阶段(ADD),且合并AD临床样本中步数指标与MMSE评定的整体认知状态、各域神经心理表现、生态严肃游戏正确率及BDI-II评定的抑郁症状严重度显著相关——其中伴随性步数(incidental steps,低步频的自发日常走动)与整体认知及抑郁症状关联最强。相比之下,智能手表步数指标与rsEEG慢波/快波节律在AD临床样本内关联有限且不一致。这些结果支持商用智能手表衍生的活动指标可作为ADMCI与ADD患者日常功能可及且经济有效的数字标记物(digital markers),尤适用于家庭监测及针对减少久坐行为的干预研究。从三级预防角度看,即便在已确诊ADMCI或ADD的患者中,连续监测日常步行活动有助于识别伴随AD进程的功能性行为改变(如步量与步频进行性下降),协助临床与照护者及早考虑针对性非药物策略(结构化体力活动方案、环境适应、行为激活)以打断久坐—认知恶化—情感淡漠的恶性循环。未来需在更大代表性队列中开展纵向研究,明确智能手表步数轨迹是否超越既定临床与生物标记物预测认知与功能衰退,以及经智能手表反馈督导的针对性体力活动干预能否修饰此轨迹。综上,本研究支持将基于商用智能手表的家庭每日步数监测作为AD研究与照护中多模态数字健康方案的组成部分进一步探索。

相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    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