2.5 CE-Credits. Sonderausgabe zur Vorhersage (JINS 22:10, 2016): CE-Bundle 1

apa-logo_white_screenDie International Neuropsychological Society ist von der American Psychological Association als Sponsor für die Weiterbildung von Psychologen zugelassen. Die Internationale Neuropsychologische Gesellschaft behält die Verantwortung für dieses Programm und seinen Inhalt.
Bildungsziele
  1. Beschreiben Sie das Muster der zerebralen Amyloidakkumulation, das in den Stadien der präklinischen AD beobachtet wird.
  2. Beschreiben Sie die Beziehungen zwischen AD-Biomarkern und Aspekten der episodischen Gedächtnisfunktion.
  3. Beschreiben Sie die Beziehungen zwischen AD-Biomarkern und der zukünftigen neurokognitiven Leistung.

Kurs Information
Zielgruppe:Mittel
Verfügbarkeit:Verfügbares Datum: 2016
Sie können CE für dieses JINS-Paket jederzeit erwerben.
Angeboten für CEJa
KostenMitglieder $ 25
Nichtmitglieder $37.50
RückgabebestimmungenDieses JINS-Paket ist nicht erstattungsfähig
CE-Gutschriften2.5

Mitorganisatoren
John L. Woodard, Larry J. Seidman, Julie C. Stout

Einleitung

Die Vorhersage von Verhalten und damit verbundenen Ergebnissen ist seit langem ein Hauptziel der Psychologie. Die Entwicklung von Intelligenztests im frühen 20th Jahrhunderts führte zu neuen Strategien zur Vorhersage schulischer und beruflicher Leistungen (Sternberg, 1996). Ebenso Mitte des 19th Jahrhunderts, Fechners Verwendung mathematischer Modelle zur Verhaltensvorhersage (Wertheimer, 1987) begründete eine bis heute andauernde Tradition, die sich in den von Clark Hull entwickelten mathematischen Modellen des Lernens (Hull, 1943), dynamische Modelle der Entwicklung räumlicher Gedächtnisfähigkeiten (Spencer, Smith, & Thelen, 2001), und andere. Diese Ideen führten auch zu Informationsverarbeitungstheorien des Gedächtnisses (Atkinson & Shiffrin, 1968; Raaijmakers & Shiffrin, 1980), die verwendet wurden, um bestimmte Stadien der Gedächtnisverarbeitung vorherzusagen, die in Patientengruppen beeinträchtigt sind (Brown et al., 1995; Brown, Woodard und Rich, 1994). In jüngster Zeit hat sich die Verwendung von Vorhersagestrategien in der Neuropsychologie der Entwicklung neuer Ansätze zur Identifizierung und Charakterisierung der Entwicklung und des Krankheitsverlaufs von neurokognitiven und neuropsychiatrischen Störungen zugewandt.

Bei der Vorhersage geht es darum, eine Aussage über ein Ereignis zu treffen, das ungewiss ist und normalerweise auf einer Art bekannter Informationen basiert. Obwohl der Begriff "Vorhersage" an die Vorhersage eines zukünftigen Ergebnisses oder Ereignisses erinnert, kann der Begriff "Vorhersage" auch für gleichzeitige diagnostische Zwecke verwendet werden. Seit etwa 2000 hat die Zahl der Forschungsstudien, die sich auf die Vorhersage von Diagnosen und klinischen Verläufen konzentrieren, dramatisch zugenommen. Figure 1 zeigt die Anzahl der Veröffentlichungen pro Jahr, die von 1950 bis zum 1. Oktober 2016 bei einer einfachen Suche nach den Begriffen „präklinische Vorhersage“ in der Datenbank der National Library of Medicine (PubMed) zurückgegeben wurden. Studien zur präklinischen Vorhersage in der Neuropsychologie konzentrierten sich typischerweise auf die Identifizierung von Personen mit dem höchsten Risiko für bestimmte kognitive Erkrankungen. Die frühzeitige Erkennung von Risiken oder subtilen Anzeichen einer beginnenden Krankheit eröffnet die Möglichkeit für Behandlungen, um die Entwicklung der Krankheit zu verhindern oder den Beginn oder das Fortschreiten klinisch signifikanter Symptome zu verlangsamen. Vorhersagestudien nach einer Hirnverletzung waren auch wichtig für die Prognose des Genesungsverlaufs und für die Planung der Ressourcenzuweisung für die Behandlung.

Modernste Vorhersagestrategien wurden durch mindestens zwei bedeutende Entwicklungen in den letzten 25 Jahren erleichtert. Erstens hat die Verfügbarkeit von Hochgeschwindigkeitscomputern und Software, die in der Lage sind, komplexe statistische Analysen durchzuführen, die Entwicklung und Validierung komplexer theoretischer Vorhersagemodelle unterstützt. Beispielsweise wären maschinelle Lernansätze zur Vorhersage ohne leistungsstarke Rechenressourcen nicht möglich (Hey, 2010). Maschinelles Lernen wurde erfolgreich im Rahmen der Diagnose eingesetzt (Bigler, 2013; Mundt, Freed & Greist, 2000; Teipel, Meindl, Grinberg, Heinsen & Hampel, 2008) und Prognose (Gutman et al., 2015; Koutsouleris et al., 2009; Moradi, Pepe, Gaser, Huttunen & Tohka, 2015; Schmidt-Richberg et al., 2016). Zweitens hat die Identifizierung von Biomarkern für eine Vielzahl von neurologischen und psychiatrischen Erkrankungen eine Reihe von Prädiktoren bereitgestellt, die sehr empfindlich auf Risikofaktoren und pathologische Veränderungen reagieren, die zu diesen Erkrankungen führen (Chong, Lim & Sahadevan, 2006; Craig-Schapiro, Fagan & Holtzman, 2009; Mayeux, 2004; Sharma & Laskowitz, 2012; Shaw, Korecka, Clark, Lee und Trojanowski, 2007). Solche Biomarker können verwendet werden, um Vorhersagen über mögliche Ursachen im Zusammenhang mit neuropsychologischen Anomalien zu testen (Ivanoiu et al., 2015;; Miller et al., 2008; Wirthet al., 2013). Verbesserte Gentests haben auch zu genaueren Vorhersagen funktioneller Veränderungen beigetragen, wenn sie mit neuropsychologischen und bildgebenden Daten kombiniert werden (O'Hara et al., 1998; Reimanet al., 2004; Small et al., 1996). Einige Forscher haben auf der Grundlage der Literatur argumentiert, dass „Neuromarker allein oder in Kombination mit anderen Maßnahmen oft bessere Vorhersagen (Neuroprognose) liefern als traditionelle Verhaltensmaße“ (Seite 11, Gabrieli, Ghosh & Whitfield-Gabrieli, 2015). Da Daten zunehmend auftauchen, wird unser Feld durch die Identifizierung der besten Kombinationen von Maßnahmen zur Vorhersage von Krankheiten bereichert.

Von vielen neurokognitiven Störungen ist bekannt, dass sie sich von einem präsymptomatischen bis leicht klinischen Zustand zu einer vollständig klinischen Störung entwickeln. Im Wesentlichen durchlaufen sie verschiedene biologische und klinische „Stadien“ (McGorry et al., 2007). Zwei Erkrankungen, die in den letzten zwei Jahrzehnten intensiv erforscht wurden, sind die Alzheimer-Krankheit (AD) und die Schizophrenie. Zum Beispiel geht der AD eine leichte kognitive Beeinträchtigung (MCI) voraus, und in vielen Fällen geht der Schizophrenie ein klinischer Hochrisikozustand (CHR) voraus, der durch abgeschwächte positive psychotische Symptome identifiziert wird (dh leichte Wahnvorstellungen und Halluzinationen mit einem gewissen Grad an intakter Realität). Tests; Tsuang et al., 2013; Yung & McGorry, 1996). Zumindest im Prinzip sind die Identifizierung von Prädiktoren und Mechanismen für den Übergang zu AD oder Psychose bei Personen, die Anzeichen beginnender neurokognitiver Störungen zeigen, entscheidende Schritte bei der Suche nach präventiven oder frühen Interventionsstrategien (Woodberry, Shapiro, Bryant & Seidman, 2016). Das Interesse an der Früherkennung und Prävention von Schizophrenie und anderen psychotischen Störungen hat dazu geführt, dass über ein Jahrzehnt lang junge Menschen untersucht wurden, bei denen das Risiko besteht, eine psychotische Erkrankung zu entwickeln, und Fortschritte bei der Vorhersage des Übergangs zu einer Psychose aus einem CHR-Stadium erzielt wurden (Cannon et al., 20082016; Aas et al., 2016), einschließlich des Einsatzes neuropsychologischer Maßnahmen (Giuliano et al., 2012; Seidman, Giuliano & Walker, 2010; Seidman et al., 2016).

Studien zur Früherkennung neurologischer und psychiatrischer Erkrankungen haben das Verständnis der Ätiologie und Diagnose erheblich verbessert und neue Wege für das Management eröffnet. Die präsymptomatische Erkennung ist auch für die Entwicklung wirksamer Interventionsstrategien unerlässlich, da sie ein Fenster zur Verhinderung/Verzögerung des Ausbruchs oder zur Verringerung des Schweregrads bietet. Diese Sonderausgabe der Zeitschrift der International Neuropsychological Society enthält neun Artikel, die topaktuelle empirische Ergebnisse beschreiben, die wichtige methodische Fortschritte für die vorklinische Erkennung einer Vielzahl von neurologischen, neurologischen Entwicklungsstörungen und neuropsychiatrischen Erkrankungen veranschaulichen. Zu den angewandten methodischen Ansätzen gehören die Bewertung familiärer und genetischer Risikoanalysen, die phänotypische Charakterisierung mit kognitiven und/oder bildgebenden Verfahren und die Bewertung der Wirksamkeit von Biomarkern. Diese Papiere bieten substanzielle integrative und synthetische Zusammenfassungen des aktuellen Stands präklinischer Nachweismethoden und zukünftiger Richtungen auf diesem Gebiet.

Da neue Biomarker für frühe, krankheitsbedingte Veränderungen identifiziert werden, werden Strategien zur optimalen Nutzung dieser Informationen immer wichtiger. In dieser Sonderausgabe konzentrieren sich mehrere Artikel auf die Beschreibung neuartiger Methoden zur Kombination von Biomarkerdaten mit anderen klinischen Informationen für die Diagnose oder Prognose. In einer gründlichen Literaturrecherche beschreiben Cooper und Kollegen objektive Biomarker auf dem neuesten Stand der Technik bei der prodromalen Parkinson-Krankheit (PD) und diskutieren mehrere Strategien zur Kombination dieser Biomarker mit klinischen und genetischen Daten zur Verbesserung der Sensitivität und Spezifität für die Identifizierung von Personen mit prodromaler PD. Soldan und Kollegen zeigen, dass Beta-Amyloid und phosphoryliertes Tau, gemessen in der Zerebrospinalflüssigkeit, die kognitive Funktion noch 10 Jahre später vorhersagen können. Anhand von Daten der Alzheimer's Disease Neuroimaging Initiative demonstrieren Edmonds und Kollegen, wie eine neuartige Methode zur Stadieneinteilung präklinischer AD mittels Amyloid-Positronen-Emissions-Tomographie (PET)-Bildgebung mit einer detaillierten kognitiven Bewertung kombiniert werden kann, um präklinische AD besser zu charakterisieren. Bemerkenswerterweise fand diese Studie heraus, dass bereits vor der klinischen Diagnose eine beträchtliche Amyloidakkumulation aufgetreten war. Schließlich demonstrieren Quenon und Kollegen in einer Querschnittsstudie die Beziehungen zwischen bildgebenden Maßen des Ausmaßes der frühen AD-Neuropathologie, wie indiziert durch in vivo Neuroimaging-Biomarker (Amyloid-PET, Hippocampusvolumen und Messungen der kortikalen Dicke) und Grad der Gedächtnisleistung beim Free and Cued Selective Reminding Test. Obwohl Biomarker der frühen AD-Neuropathologie die Gesamtgedächtnisleistung vorhersagten, zeigte die Cueing-Effizienz, die bei AD häufig beeinträchtigt ist, eine besonders starke Beziehung zur kortikalen Dicke von Regionen, die bei früher AD häufig atrophisch sind.

Auch die Einschätzung des Einflusses familiärer und genetischer Risikofaktoren ist zu einem wichtigen Instrument zur Prognose des Diagnosestatus geworden. Der Familien-Hochrisiko-Ansatz ermöglicht ein definiertes Auswahlverfahren zur Ermittlung nicht erkrankter Probanden in einer Familie, in der es einen identifizierten Probanden mit der Krankheit gibt. Ein Vorteil eines solchen Ansatzes besteht darin, dass er nicht von der Symptomausprägung, sondern vom genetischen Risiko abhängt, und somit ein nicht betroffenes Individuum in jedem Alter untersucht werden könnte, was entwicklungsgeführte Risikountersuchungen ermöglicht (Agnew-Blais & Seidman, 2013). Bei den „nicht betroffenen Verwandten“ handelt es sich in der Regel um Nachkommen oder Geschwister, die als besonders gefährdet für die Krankheit oder für mit der Krankheit assoziierte Phänotypen gelten, da sie etwa 50 % der Gene für die Krankheit tragen. Dieser Ansatz wird seit über einem halben Jahrhundert verwendet und ist eine der fruchtbarsten Methoden, um Komponenten der Anfälligkeit für verschiedene Krankheiten, insbesondere Schizophrenie, zu identifizieren. Das typischste Ergebnis, das ursprünglich in vielen dieser Studien verwendet wurde, war „Entwicklung der Krankheit“ (z. B. Schizophrenie, AD usw.). Die Ergebnisse können jedoch auch in einer Reihe von Phänotypen ausgedrückt werden, die die zugrunde liegende Störung widerspiegeln, und Ergebnisse wie funktionelle Behinderung sind ebenfalls sehr wichtig. Ein breites Spektrum von Phänotypen (z. B. Arbeitsgedächtnis- oder Aufmerksamkeitsprobleme, kleinere Hippocampi) kann in verschiedenen Altersstufen untersucht werden, um Entwicklungseffekte zu bewerten, und in verschiedenen Subpopulationen (z. B. solchen mit höheren vs. geringere genetische Belastung), um die spezifische Untergruppenexpression der Phänotypen zu untersuchen.

In dieser Ausgabe zeigen Lancaster und Kollegen, dass die Basislinien-Diffusions-Tensor-Bildgebung der Mikrostruktur der weißen Substanz im medialen Temporallappen longitudinale Veränderungen der episodischen Gedächtnisfunktion über 3 Jahre in einer Stichprobe kognitiv gesunder älterer Erwachsener mit einem angereicherten familiären und genetischen Risiko vorhersagen kann für ANZEIGE. Koscik und Kollegen vergleichen die Sensitivität für die Vorhersage späterer kognitiver Beeinträchtigungen, indem sie entweder die Variabilität der Leistung bei kognitiven Aufgaben oder Kombinationen von Ergebnissen aus bestimmten Aufgaben (z. B. Gedächtnis- und Ausführungsaufgaben) verwenden, die mehrere Jahre zuvor zu Studienbeginn erfasst wurden. In einer Untersuchung der neuropsychologischen Endophänotypen des familiären Risikos für Schizophrenie und affektiven Psychosen fanden Seidman und Kollegen heraus, dass die Beeinträchtigung des Arbeitsgedächtnisses robuster war als die Wachsamkeit, um die kognitive Beeinträchtigung zu charakterisieren, die mit dem familiären Risiko für Schizophrenie verbunden ist. Obwohl Personen mit familiärem Risiko für affektive Psychosen im Vergleich zu anderen Gruppen eine stärker beeinträchtigte Vigilanz zeigten, wurde dieser Effekt nach der Anpassung für mehrere psychopathologische Symptome eliminiert. Diese Arbeit war Teil einer Agenda zur Identifizierung der empfindlichsten und spezifischsten neuropsychologischen Risikoprädiktoren für verschiedene Formen von Psychosen (siehe auch Seidman et al., 2016). Jede dieser Studien demonstriert neue Methoden zur Untersuchung des Einflusses familiärer und genetischer Risiken auf mögliche Diagnosen und Prognosen.

Schließlich konzentrieren sich zwei Artikel in dieser Ausgabe auf die Verwendung von Vorhersagestrategien zur Vorhersage des Ergebnisses, nachdem bereits eine Hirnverletzung in pädiatrischen Proben aufgetreten ist. Ransom und Kollegen verwenden evidenzbasierte Bewertung (EBA), um jugendliche Studenten zu identifizieren, bei denen ein Risiko für post-konkussive akademische Schwierigkeiten besteht. Selbstberichtete Symptome nach der Verletzung und Funktionsstörungen der Exekutive, eher als die von den Eltern berichteten Folgen, zeigten die stärksten Beziehungen zu wahrgenommenen akademischen Schwierigkeiten nach der Verletzung. Diese Studie demonstriert die Nützlichkeit des EBA-Rahmens im Kontext der neuropsychologischen Bewertung. Till und Kollegen untersuchten kognitive, schulische und psychosoziale Schwierigkeiten bei Kindern, bei denen ein erworbenes demyelinisierendes Syndrom (ADS) diagnostiziert wurde, von denen bei einem Drittel später Multiple Sklerose (MS) diagnostiziert wurde, über einen Zeitraum von 6 Monaten. Es zeigte sich, dass Kinder mit ADS kurzfristig ein günstiges neurokognitives Ergebnis zeigten, einschließlich Kinder, bei denen MS diagnostiziert wurde.

Zusammenfassend stellen die Beiträge in dieser Sonderausgabe mehrere neuartige Ansätze zur Entwicklung von Methoden zur Vorhersage in der Neuropsychologie vor. Die Forschung zur Optimierung der aus Biomarkern gewonnenen Informationen wird zweifellos auch in Zukunft durch die Identifizierung neuer Biomarker angeregt werden. Die Einführung neuer Bewertungsrahmen wie EBA und anderer Strategien zur Bewertung von kognitiven, klinischen und bildgebenden Längsveränderungen im Ergebnis, wie sie in mehreren Studien in dieser Sonderausgabe vorgestellt werden, wird ebenfalls hilfreich sein, um das Feld voranzubringen. Die Nutzung neuer Entwicklungen bei genetischen Analysen und die Bewertung familiärer Risikofaktoren werden ebenfalls wichtige Instrumente zur Verbesserung der Vorhersagegenauigkeit sein.

Dennoch stehen wir auch vor Herausforderungen in Bezug auf die Definition geeigneter statistischer Modelle, die zur Bewertung von Veränderung, Wachstum oder Niedergang verwendet werden (Cronbach & Furby, 1970; Francis, Fletcher, Stübing, Davidson & Thompson, 1991; Gottman & Rush, 1993; Harrell, 2015; Sänger & Willett, 2003; Steyerberg, 2009; Steyerberg & Harrell, 2016; Steyerberget al., 2010; Temkin, Heaton, Grant und Dikmen, 1999). Obwohl diese Probleme sicherlich nicht neu sind, ist die kontinuierliche Konzentration auf die Verbesserung der Definitionen der von uns vorhergesagten Veränderung und auf Modelle zur Bewertung der Wirksamkeit von Variablen, die diese Veränderung vorhersagen, sicherlich gerechtfertigt. Trotz dieser Herausforderungen wächst die Forschung zur präklinischen Vorhersage weiter, und zukünftige Studien versprechen, zur Verbesserung der vorbeugenden Behandlungen vor dem kognitiven Verfall sowie zu effektiveren Behandlungen und der Zuweisung von Ressourcen nach Hirnverletzungen beizutragen.


Einzelne Titel, Autoren und Artikel:

Muster der kortikalen und subkortikalen Amyloidbelastung in den Stadien der präklinischen Alzheimer-Krankheit
Autor (en)
  • Emily C. Edmonds | Abteilung für Psychiatrie, Universität von Kalifornien, San Diego, Medizinische Fakultät, La Jolla, Kalifornien
  • Katherine J. Bangen | Abteilung für Psychiatrie, Universität von Kalifornien, San Diego, Medizinische Fakultät, La Jolla, Kalifornien, Veterans Affairs San Diego Healthcare System, San Diego, Kalifornien
  • Lisa Delano-Holz | Abteilung für Psychiatrie, Universität von Kalifornien, San Diego, Medizinische Fakultät, La Jolla, Kalifornien, Veterans Affairs San Diego Healthcare System, San Diego, Kalifornien
  • Daniel A. Nation | Institut für Psychologie, University of Southern California, Los Angeles, Kalifornien
  • Ansgar J. Fürst | Studienzentrum für kriegsbedingte Krankheiten und Verletzungen (WRIISC), VA Palo Alto Health Care System, Palo Alto, Kalifornien, Abt. für Psychiatrie und Verhaltenswissenschaften und Neurologie und neurologische Wissenschaften, Stanford University School of Medicine, Stanford, Kalifornien
  • David P. Lachs | Abteilung für Neurowissenschaften, University of California San Diego, School of Medicine, La Jolla, Kalifornien
  • Mark W. Bondi | Abteilung für Psychiatrie, Universität von Kalifornien, San Diego, Medizinische Fakultät, La Jolla, Kalifornien, Veterans Affairs San Diego Healthcare System, San Diego, Kalifornien

Korrespondenz
E-Mail-Adresse | ecedmonds@ucsd.edu

Angaben
Dr. Salmon fungiert als Berater für Bristol-Myers Squibb. Die anderen Autoren berichten keine Angaben.

Abstrakt
Lernziele:

Wir untersuchten Florbetapir-Positronen-Emissions-Tomographie (PET)-Amyloid-Scans über Stadien der präklinischen Alzheimer-Krankheit (AD) in kortikalen, allokortikalen und subkortikalen Regionen. Stadien wurden mit empirisch definierten Methoden charakterisiert.

Methoden:

Insgesamt 312 kognitiv normale Teilnehmer der Alzheimer-Krankheits-Neuroimaging-Initiative absolvierten eine neuropsychologische Untersuchung und einen Florbetapir-PET-Scan. Die Teilnehmer wurden anhand von (1) einem neuartigen Ansatz basierend auf der Anzahl abnormaler Biomarker/kognitiver Marker, die jede Person besaß, und (2) den Kriterien des National Institute on Aging und der Alzheimer's Association (NIA-AA) in Stadien der präklinischen AD eingeteilt. Präklinische AD-Gruppen wurden miteinander und mit einer Probe mit leichter kognitiver Beeinträchtigung (MCI) bezüglich standardisierter Florbetapir-Aufnahmewertverhältnisse (SUVRs) in kortikalen und allokortikalen/subkortikalen Interessenregionen (ROIs) verglichen.

Ergebnisse:

Die Amyloidablagerung nahm in allen Stadien der präklinischen AD in allen kortikalen ROIs zu, wobei die SUVRs in den späteren Stadien die bei MCI beobachteten Werte erreichten. Mehrere subkortikale Bereiche zeigten ein ähnliches Ergebnismuster wie die kortikalen Regionen; SUVRs im Hippocampus, Pallidum und Thalamus unterschieden sich jedoch weitgehend nicht in den Stadien der präklinischen AD.

Schlussfolgerungen:

Eine beträchtliche Amyloidakkumulation in kortikalen Bereichen ist bereits aufgetreten, bevor man die Kriterien für eine klinische Diagnose erfüllt. Mögliche Erklärungen für das unerwartete Muster der Ergebnisse bei einigen allokortikalen/subkortikalen ROIs sind die fehlende Übereinstimmung zwischen (1) Cerebrospinalflüssigkeit und Florbetapir-PET-Maßnahmen für Amyloid oder zwischen (2) subkortikalen Florbetapir-PET-SUVRs und der zugrunde liegenden Neuropathologie. Die Ergebnisse unterstützen die Nützlichkeit unserer neuartigen Methode zur Einstufung präklinischer AD. Indem wir bildgebende Biomarker mit einer detaillierten kognitiven Bewertung kombinieren, um die präklinische AD besser zu charakterisieren, können wir unser Verständnis dafür erweitern, wer für eine zukünftige Progression gefährdet ist. (JINS, 2016,22, 978-990)

Literaturverzeichnis
  1. Arriagada, PV, Growdon, JH, Hedley-Whyte, ET, & Hyman, BT (1992). Neurofibrilläre Verwicklungen, aber keine senilen Plaques parallel zur Dauer und Schwere der Alzheimer-Krankheit. Neurologie, 42, 631–639. CrossRef  Google Scholar  PubMed 
  2. Balasubramanian, AB, Kawas, CH, Peltz, CB, Brookmeyer, R., & Corrada, MM (2012). Pathologie der Alzheimer-Krankheit und longitudinale kognitive Leistung bei den Ältesten ohne Demenz. Neurologie, 79(9), 915–921. doi: 10.1212/WNL.0b013e318266fc77 CrossRef  Google Scholar  PubMed 
  3. Bangen, KJ, Clark, AL, Werhane, M., Edmonds, E., Nation, DA, Evangelista, N., & Delano-Wood, L. (2016). Kortikale Amyloidlast bei empirisch abgeleiteten MCI-Subtypen. Journal of Alzheimer's Disease, 52, 849–861. CrossRef  Google Scholar 
  4. Bateman, RJ, Xiong, C., Benzinger, TL, Fagan, AM, Goate, A., Fox, NC, & Morris, JC (2012). Klinische und Biomarker-Veränderungen bei dominant vererbter Alzheimer-Krankheit. New England Journal of Medicine, 367(9), 795–804. doi: 10.1056/NEJMoa1202753 CrossRef  Google Scholar  PubMed 
  5. Beach, TG, Thal, DR, Zanette, M., Smith, A., & Buckley, C. (2016). Nachweis von striatalen Amyloidplaques mit [18F] Flutemetamol: Validierung mit postmortaler Histopathologie. Journal of Alzheimer's Disease, 52, 863–873. CrossRef  Google Scholar 
  6. Bennett, DA, Schneider, JA, Bienias, JL, Evans, DA, & Wilson, RS (2005). Eine leichte kognitive Beeinträchtigung steht im Zusammenhang mit der Pathologie der Alzheimer-Krankheit und Hirninfarkten. Neurologie, 64(5), 834–841. doi: 10.1212/01.wnl.0000152982.47274.9e CrossRef  Google Scholar  PubMed 
  7. Bondi, MW, Edmonds, EC, Jak, AJ, Clark, LR, Delano-Wood, L., McDonald, CR, & Salmon, DP (2014). Neuropsychologische Kriterien für leichte kognitive Beeinträchtigungen verbessern die diagnostische Genauigkeit, Biomarker-Assoziationen und die Vorhersage des Fortschreitens. Journal of Alzheimer's Disease, 42(1), 275–289. doi: 10.3233/JAD-140276 CrossRef  Google Scholar 
  8. Braak, H. & Braak, E. (1990). Alzheimer-Krankheit: Striatale Amyloidablagerungen und neurofibrilläre Veränderungen. Journal of Neuropathology and Experimental Neurology, 49(3), 215–224. CrossRef  Google Scholar  PubMed 
  9. Braak, H., & Del Tredici, K. (2015). Die präklinische Phase des pathologischen Prozesses, der der sporadischen Alzheimer-Krankheit zugrunde liegt. Gehirn, 138 (10), 2814–2833. doi: 10.1093/brain/awv236 CrossRef  Google Scholar  PubMed 
  10. Braak, H., Zetterberg, H., Del Tredici, K., & Blennow, K. (2013). Die intraneuronale Tau-Aggregation geht der diffusen Plaqueablagerung voraus, aber Amyloid-β-Veränderungen treten auf, bevor Tau in der Zerebrospinalflüssigkeit zunimmt. Acta Neuropathologica, 126(5), 631–641. doi: 10.1007/s00401-013-1139-0 CrossRef  Google Scholar  PubMed 
  11. Brilliant, MJ, Elble, RJ, Ghobrial, M., & Struble, RG (1997). Die Verteilung der Ablagerung von Amyloid-beta-Protein im Corpus striatum von Patienten mit Alzheimer-Krankheit. Neuropathologie und angewandte Neurobiologie, 23(4), 322–325. CrossRef  Google Scholar  PubMed 
  12. Chételat, G., La Joie, R., Villain, N., Perrotin, A., da La Sayette, V., Eustache, F., & Vandenberghe, R. (2013). Amyloid-Bildgebung bei kognitiv normalen Personen, Risikopopulationen und präklinischer Alzheimer-Krankheit. Neuroimage: Klinisch, 2, 356–365. doi: 10.1016/j.nicl.2013.02.006 CrossRef  Google Scholar  PubMed 
  13. Cho, H., Seo, SW, Kim, JH, Suh, MK, Lee, JH, Choe, YS, & Na, DL (2013). Amyloidablagerung bei früh einsetzender versus spät einsetzender Alzheimer-Krankheit. Journal of Alzheimer's Disease, 35(4), 813–821. doi: 10.3233/JAD-121927 CrossRef  Google Scholar  PubMed 
  14. Clark, CM, Pontecorvo, MJ, Beach, TG, Bedell, BJ, Coleman, RE, Doraiswamy, PM, & Skovronsky, DM (2012). Zerebrale PET mit Florbetapir im Vergleich mit Neuropathologie bei der Autopsie zum Nachweis von neuritischen Amyloid-beta-Plaques: Eine prospektive Kohortenstudie. Lancet Neurology, 11(8), 669–678. doi: 10.1016/s1474-4422(12)70142-4 CrossRef  Google Scholar  PubMed 
  15. Clark, LR, Delano-Wood, L., Libon, DJ, McDonald, CR, Nation, DA, Bangen, KJ, & Bondi, MW (2013). Sind empirisch abgeleitete Subtypen leichter kognitiver Beeinträchtigung konsistent mit konventionellen Subtypen? Zeitschrift der Internationalen Neuropsychologischen Gesellschaft, 19(6), 635–645. doi: 10.1017/S1355617713000313 CrossRef  Google Scholar  PubMed 
  16. Davis, DG, Schmitt, FA, Wekstein, DR, & Markesbery, WR (1999). Neuropathologische Alzheimer-Veränderungen bei gealterten kognitiv normalen Probanden. Zeitschrift für Neuropathologie und experimentelle Neurologie, 58(4), 376–388. CrossRef  Google Scholar  PubMed 
  17. Edmonds, EC, Delano-Wood, L., Clark, LR, Jak, AJ, Nation, DA, McDonald, CR, & Bondi, MW (2015). Anfälligkeit der konventionellen Kriterien für eine leichte kognitive Beeinträchtigung für falsch-positive Diagnosefehler. Alzheimer & Demenz, 11(4), 415–424. doi: 10.1016/j.jalz.2014.03.005 CrossRef  Google Scholar  PubMed 
  18. Edmonds, EC, Delano-Wood, L., Galasko, DR, Salmon, DP, & Bondi, MW (2015). Subtiler kognitiver Rückgang und Biomarker-Staging bei der präklinischen Alzheimer-Krankheit. Journal of Alzheimer's Disease, 47(1), 231–242. doi: 10.3233/JAD-150128 CrossRef  Google Scholar  PubMed 
  19. Edmonds, EC, Delano-Wood, L., Jak, AJ, Galasko, DR, Salmon, DP, & Bondi, MW (2016). „Übersehene“ leichte kognitive Beeinträchtigung: Hohe falsch-negative Fehlerrate basierend auf herkömmlichen diagnostischen Kriterien. Journal of Alzheimer's Disease, 52, 685–691. doi: 10.3233/JAD-150986 CrossRef  Google Scholar  PubMed 
  20. Edmonds, EC, Eppig, J., Bondi, MW, Leyden, KM, Goodwin, B., Delano-Wood, L., & McDonald, CR (im Druck). Heterogene kortikale Atrophiemuster bei MCI, die nicht durch herkömmliche diagnostische Kriterien erfasst werden. NeurologieGoogle Scholar 
  21. Eggert, LD, Sommer, J., Jansen, A., Kircher, T., & Konrad, C. (2012). Genauigkeit und Zuverlässigkeit automatisierter Segmentierungswege der grauen Substanz auf realen und simulierten strukturellen Magnetresonanzbildern des menschlichen Gehirns. PLoS Eins, 7, e45081. doi: 10.1371/journal.pone.0045081 CrossRef  Google Scholar  PubMed 
  22. Giannakopoulos, P., Hof, PR, Michel, JP, Guimon, J., & Bouras, C. (1997). Pathologie der Großhirnrinde beim Altern und bei der Alzheimer-Krankheit: Eine quantitative Erhebung großer geriatrischer und psychiatrischer Kohorten in Krankenhäusern. Brain Research Reviews, 25(2), 217–245. CrossRef  Google Scholar  PubMed 
  23. Hatsuta, H., Takao, M., Ishii, K., Ishiwata, K., Saito, Y., Kanemaru, K., & Murayama, S. (2015). Amyloid-β-Akkumulation, bewertet mit 11C-Pittsburgh Compound B PET und postmortaler Neuropathologie. Aktuelle Alzheimerforschung, 12(3), 278–286. CrossRef  Google Scholar 
  24. Ivnik, RJ, Malec, JF, Smith, GE, Tangalos, EG, Petersen, RC, Kokmen, E., & Kurland, LT (1992). Mayos ältere amerikanische normative Studien: Aktualisierte AVLT-Normen für die Altersgruppe 56 bis 97. Clinical Neuropsychologist, 6, 83–104. CrossRef  Google Scholar 
  25. Jack, CR, Jr., Knopman, DS, Jagust, WJ, Shaw, LM, Aisen, PS, Weiner, MW, & Trojanowski, JQ (2010). Hypothetisches Modell dynamischer Biomarker der pathologischen Alzheimer-Kaskade. Lancet Neurology, 9(1), 119–128. doi: 10.1016/S1474-4422(09)70299-6 CrossRef  Google Scholar  PubMed 
  26. Jack, CR Jr., Knopman, DS, Jagust, WJ, Petersen, RC, Weiner, MW, Aisen, PS, & Trojanowski, JQ (2013). Verfolgung pathophysiologischer Prozesse bei der Alzheimer-Krankheit: Ein aktualisiertes hypothetisches Modell dynamischer Biomarker. Lancet Neurology, 12(2), 207–216. doi: 10.1016/S1474-4422(12)70291-0 CrossRef  Google Scholar  PubMed 
  27. Jack, CR Jr., Knopman, DS, Weigand, SD, Wiste, HJ, Vemuri, P., Lowe, V., & Petersen, RC (2012). Ein operativer Ansatz für die Kriterien des National Institute on Aging-Alzheimer's Association für die präklinische Alzheimer-Krankheit. Annals of Neurology, 71(6), 765–775. doi: 10.1002/ana.22628 CrossRef  Google Scholar  PubMed 
  28. Jack, CR, Jr., Wiste, HJ, Weigand, SD, Knopman, DS, Lowe, V., Vemuri, P., & Petersen, RC (2013). Amyloid-First- und Neurodegeneration-First-Profile charakterisieren die Vorfall-Amyloid-PET-Positivität. Neurologie, 81(20), 1732–1740. doi: 10.1212/01.wnl.0000435556.21319.e4 CrossRef  Google Scholar  PubMed 
  29. Jagust, WJ, Landau, SM, Shaw, LM, Trojanowski, JQ, Koeppe, RA, Reiman, EM, & Mathis, CA (2009). Beziehungen zwischen Biomarkern bei Alterung und Demenz. Neurologie, 73(15), 1193–1199. CrossRef  Google Scholar  PubMed 
  30. Jak, AJ, Bondi, MW, Delano-Wood, L., Wierenga, C., Corey-Bloom, J., Salmon, DP, & Delis, DC (2009). Quantifizierung von fünf neuropsychologischen Ansätzen zur Definition einer leichten kognitiven Beeinträchtigung. American Journal of Geriatric Psychiatry, 17(5), 368–375. doi: 10.1097/JGP.0b013e31819431d5 CrossRef  Google Scholar  PubMed 
  31. Jansen, WJ, Ossenkoppele, R., Knol, DL, Tijms, BM, Scheltens, P., Verhey, FR, & Zetterberg, H. (2015). Prävalenz der zerebralen Amyloid-Pathologie bei Personen ohne Demenz: Eine Meta-Analyse. Zeitschrift der American Medical Association, 313(19), 1924–1938. doi: 10.1001/jama.2015.4668 CrossRef  Google Scholar  PubMed 
  32. Jedynak, BM, Lang, A., Liu, B., Katz, E., Zhang, Y., Wyman, BT, & Prince, JL (2012). A Computational Neurodegenerative Disease Progression Score: Method and results with the Alzheimer's disease neuroimaging initiative cohorte. Neuroimage, 63(3), 1478–1486. doi: 10.1016/j.neuroimage.2012.07.059 CrossRef  Google Scholar  PubMed 
  33. Joshi, AD, Pontecorvo, MJ, Clark, CM, Carpenter, AP, Jennings, DL, Sadowsky, CH, & Skovronsky, DM (2012). Leistungsmerkmale von Amyloid-PET mit Florbetapir F 18 bei Patienten mit Alzheimer-Krankheit und kognitiv normalen Probanden. Zeitschrift für Nuklearmedizin, 53(3), 378–384. doi: 10.2967/jnumed.111.090340 CrossRef  Google Scholar  PubMed 
  34. Klunk, WE, Price, JC, Mathis, CA, Tsopelas, ND, Lopresti, BJ, Ziolko, SK, & DeKosky, ST (2007). Die Amyloidablagerung beginnt im Striatum von Präsenilin-1-Mutationsträgern aus zwei nicht verwandten Stammbäumen. Journal of Neuroscience, 27(23), 6174–6184. CrossRef  Google Scholar  PubMed 
  35. Knopman, DS, Jack, CR Jr., & Wiste, HJ (2012). Kurzfristige klinische Ergebnisse für Stadien der präklinischen NIA-AA-Alzheimer-Krankheit. Neurologie, 78(20), 1576–1582. doi: 10.1212/WNL.0b013e3182563bbe CrossRef  Google Scholar  PubMed 
  36. Landau, SM, Breault, C., Joshi, AD, Pontecorvo, M., Mathis, CA, Jagust, WJ, & Mintun, MA (2013). Amyloid-beta-Bildgebung mit Pittsburgh-Verbindung B und Florbetapir: Vergleich von Radiotracern und Quantifizierungsmethoden. Zeitschrift für Nuklearmedizin, 54(1), 70–77. doi: 10.2967/jnumed.112.109009 CrossRef  Google Scholar  PubMed 
  37. Landau, SM, Harvey, D., Madison, CM, Reiman, EM, Foster, NL, Aisen, PS, & Jagust, WJ (2010). Vergleich von Prädiktoren für Konversion und Rückgang bei leichter kognitiver Beeinträchtigung. Neurologie, 75(3), 230–238. doi: 10.1212/WNL.0b013e3181e8e8b8 CrossRef  Google Scholar  PubMed 
  38. Landau, SM, Lu, M., Joshi, AD, Pontecorvo, M., Mintun, MA, Trojanowski, JQ, & Shaw, LM (2013). Vergleich von PET-Bildgebung und CSF-Messungen bei Aβ. Annals of Neurology, 74(6), 826–836. doi: 10.1002/ana.23908 CrossRef  Google Scholar 
  39. Leinonen, V., Alafuzoff, I., Aalto, S., Suotunen, T., Savolainen, S., Nagren, K., & Rinner, JO (2008). Bewertung von Beta-Amyloid in einer frontalen kortikalen Hirnbiopsieprobe und durch Positronenemissionstomographie mit Kohlenstoff-11-markiertem Pittsburgh Compound B. Archives of Neurology, 65(10), 1304–1309. CrossRef  Google Scholar 
  40. Leuzy, A., Zimmer, ER, Heurling, K., Rosa-Neto, P., & Gauthier, S. (2014). Verwendung von Amyloid-PET im gesamten Spektrum der Alzheimer-Krankheit: Klinischer Nutzen und damit verbundene ethische Fragen. Amyloid, 21(3), 143–148. doi: 10.3109/13506129.2014.926267 CrossRef  Google Scholar  PubMed 
  41. Mormino, EC, Kluth, JT, Madison, CM, Rabinovici, GD, Baker, SL, Miller, BL, & Jagust, MJ (2009). Der episodische Gedächtnisverlust steht im Zusammenhang mit der Hippocampus-vermittelten Beta-Amyloid-Ablagerung bei älteren Personen. Gehirn, 132, 1310–1323. CrossRef  Google Scholar  PubMed 
  42. Nettiksimmons, J., Beckett, L., Schwarz, C., Carmichael, O., Fletcher, E., & Decarli, C. (2013). Untergruppe der normalen ADNI-Kontrollen, gekennzeichnet durch Atrophie und kognitiven Rückgang in Verbindung mit Gefäßschäden. Psychologie und Altern, 28, 191–201. doi: 10.1037/a0031063 CrossRef  Google Scholar  PubMed 
  43. Petersen, RC (2004). Leichte kognitive Beeinträchtigung als diagnostische Entität. Zeitschrift für Innere Medizin, 256, 183–194. CrossRef  Google Scholar  PubMed 
  44. Petersen, RC, Aisen, PS, Beckett, LA, Donohue, MC, Gamst, AC, Harvey, DJ, & Weiner, MW (2010). Alzheimer's Disease Neuroimaging Initiative (ADNI): Klinische Charakterisierung. Neurologie, 74(3), 201–209. doi: 10.1212/WNL.0b013e3181cb3e25 CrossRef  Google Scholar 
  45. Price, JL, Davis, PB, Morris, JC, & White, DL (1991). Die Verteilung von Tangles, Plaques und verwandten immunhistochemischen Markern beim gesunden Altern und der Alzheimer-Krankheit. Neurobiology of Aging, 12(4), 295–312. CrossRef  Google Scholar  PubMed 
  46. Price, JL, McKeel, DW, Jr., Buckles, VD, Roe, CM, Xiong, C., Grundman, M., & Morris, JC (2009). Neuropathologie des nicht dementen Alterns: Vermutlicher Beweis für präklinische Alzheimer-Krankheit. Neurobiology of Aging, 30(7), 1026–1036. CrossRef  Google Scholar  PubMed 
  47. Rodrigue, KM, Kennedy, KM, Devous, MD Sr., Rieck, JR, Hebrank, AC, Diaz-Arrastia, R., & Park, DC (2012). β-Amyloid-Belastung im gesunden Altern: Regionale Verteilung und kognitive Konsequenzen. Neurologie, 78(6), 387–395. doi: 10.1212/WNL.0b013e318245d295 CrossRef  Google Scholar  PubMed 
  48. Rowe, CC, Ng, S., Ackermann, U., Gong, SJ, Pike, K., Savage, G., & Villemagne, VL (2007). Bildgebende Beta-Amyloid-Belastung bei Alterung und Demenz. Neurologie, 68(20), 1718–1725. doi: 10.1212/01.wnl.0000261919.22630.ea CrossRef  Google Scholar  PubMed 
  49. Royston, P., Altman, DG, & Sauerbrei, W. (2006). Dichotomisierung kontinuierlicher Prädiktoren in multipler Regression: Eine schlechte Idee. Statistik in der Medizin, 25, 127–141. CrossRef  Google Scholar  PubMed 
  50. Shaw, LM, Vanderstichele, H., Knapik-Czajka, M., Clark, CM, Aisen, PS, Petersen, RC, & Trojanowski, JQ (2009). Zerebrospinalflüssigkeits-Biomarker-Signatur bei Probanden der Neuroimaging-Initiative der Alzheimer-Krankheit. Annalen der Neurologie, 65 (4), 403–413. doi: 10.1002/ana.21610 CrossRef  Google Scholar  PubMed 
  51. Shirk, SD, Mitchell, MB, Shaughnessy, LW, Sherman, JC, Locascio, JJ, Weintraub, S., & Atri, A. (2011). Ein webbasierter normativer Rechner für die neuropsychologische Testbatterie des einheitlichen Datensatzes (UDS). Alzheimer's Research & Therapy, 3(6), 32. doi: 10.1186/alzrt94 CrossRef  Google Scholar  PubMed 
  52. Sperling, RA, Aisen, PS, Beckett, LA, Bennett, DA, Craft, S., Fagan, AM, & Phelps, CH (2011). Zur Definition der präklinischen Stadien der Alzheimer-Krankheit: Empfehlungen der Arbeitsgruppen der National Institute on Aging-Alzheimer's Association zu diagnostischen Leitlinien für die Alzheimer-Krankheit. Alzheimer & Demenz, 7, 280–292. doi: 10.1016/j.jalz.2011.03.003 CrossRef  Google Scholar  PubMed 
  53. Sperling, R., Mormino, E., & Johnson, K. (2014). Die Entwicklung der präklinischen Alzheimer-Krankheit: Implikationen für Präventionsstudien. Neuron, 84(3), 608–622. doi: 10.1016/j.neuron.2014.10.038 CrossRef  Google Scholar  PubMed 
  54. Suenaga, T., Hirano, A., Llena, JF, Yen, SH, & Dickson, DW (1990). Modifizierte Bielschowsky-Färbung und immunhistochemische Studien zu striatalen Plaques bei der Alzheimer-Krankheit. Acta Neuropathologica, 80(3), 280–286. CrossRef  Google Scholar  PubMed 
  55. Thal, DR, Rüb, U., Orantes, M., & Braak, H. (2002). Phasen der A-Beta-Ablagerung im menschlichen Gehirn und ihre Bedeutung für die Entstehung von AD. Neurologie, 58(12), 1791–2000. CrossRef  Google Scholar  PubMed 
  56. Toledo, JB, Bjerke, M., Da, X., Landau, SM, Foster, NL, Jagust, W., & Trojanowski, JQ (2015). Nichtlinearer Zusammenhang zwischen Liquor cerebrospinalis und Florbetapir F-18 β-Amyloid misst das gesamte Spektrum der Alzheimer-Krankheit. JAMA Neurology, 72(5), 571–581. CrossRef  Google Scholar  PubMed 
  57. Toledo, JB, Cairns, NJ, Da, X., Chen, K., Carter, D., Fleisher, A., & Trojanoswki, JQ (2013). Klinische und multimodale Biomarker-Korrelate neuropathologischer ADNI-Befunde. Acta Neuropathologica Communications, 1, 65. doi: 10.1186/2051-5960-1-65 CrossRef  Google Scholar  PubMed 
  58. Toledo, JB, Weiner, MW, Wolk, DA, Da, X., Chen, K., Arnold, SE, & Trojanowski, JQ (2014). Biomarker für neuronale Verletzungen und Prognose bei ADNI-Patienten mit normaler Wahrnehmung. Acta Neuropathologica Communications, 2, 26. CrossRef  Google Scholar  PubMed 
  59. Weintraub, S., Salmon, D., Mercaldo, N., Ferris, S., Graff-Radford, NR, Chui, H., & Morris, JC (2009). Der einheitliche Datensatz der Alzheimer-Zentren (UDS): Die neuropsychologische Testbatterie. Alzheimer-Krankheit und damit verbundene Erkrankungen, 23(2), 91–101. doi: 10.1097/WAD.0b013e318191c7dd CrossRef  Google Scholar  PubMed 
Vorhersage der Leistung von freien und Cued-selektiven Erinnerungstests unter Verwendung volumetrischer und amyloidbasierter Biomarker der Alzheimer-Krankheit
Autor (en)
  • Lisa Quenon | Institut für Neurowissenschaften, Université Catholique de Louvain, Brüssel, Belgien
  • Laurence Dricot | Institut für Neurowissenschaften, Université Catholique de Louvain, Brüssel, Belgien
  • John L. Woodard | Institut für Neurowissenschaften, Université Catholique de Louvain, Brüssel, Belgien, Institut für Psychologie, Wayne State University, Detroit, Michigan
  • Bernhard Hanseeuw | Institut für Neurowissenschaften, Université Catholique de Louvain, Brüssel, Belgien, Abteilung für Neurologie, Saint Luc University Hospital, Université Catholique de Louvain, Brüssel, Belgien, Abteilung für Neurologie, Massachusetts General Hospital, Harvard Medical School, Boston, Massachusetts
  • Nathalie Gilis | Abteilung für Neurochirurgie, Citadelle Regional Hospital Center, Lüttich, Belgien
  • Renaud Lhommel | Abteilung für Nuklearmedizin, Universitätskrankenhaus Saint Luc, Université Catholique de Louvain, Brüssel, Belgien
  • Adrian Ivanoiu | Institut für Neurowissenschaften, Université Catholique de Louvain, Brüssel, Belgien, Abteilung für Neurologie, Universitätskrankenhaus Saint Luc, Université Catholique de Louvain, Brüssel, Belgien

Korrespondenz
E-Mail-Adresse | lisa.quenon@uclouvain.be

Angaben
Die Autoren haben keinen potenziellen Interessenkonflikt zu erklären.

Abstrakt
Lernziele:

Relativ wenige Studien haben die Beziehungen zwischen der Leistung bei klinischen Gedächtnismessungen und Indizes der zugrunde liegenden Neuropathologie im Zusammenhang mit der Alzheimer-Krankheit (AD) untersucht. Diese Studie untersuchte die prädiktiven Beziehungen zwischen der Cue-Effizienz (CE) des Free and Cued Selective Reminding Test (FCSRT) und den Free-Recall (FR)-Maßnahmen und den Amyloidspiegeln im Gehirn, dem Hippocampusvolumen (HV) und der regionalen kortikalen Dicke.

Methoden:

Einunddreißig ältere Kontrollpersonen ohne Gedächtnisbeschwerden und 60 Patienten mit Gedächtnisbeschwerden unterzogen sich der FCSRT, Amyloid-Bildgebung unter Verwendung von [F18]-Flutemetamol-Positronen-Emissions-Tomographie und oberflächenbasierte Morphometrie (SBM) unter Verwendung von Magnetresonanztomographie des Gehirns. Drei Gruppen wurden berücksichtigt: Patienten mit hoher (Aβ+P) und niedriger (Aβ−P) Amyloidbelastung und Kontrollen mit niedriger Amyloidbelastung (Aβ−C).

Ergebnisse:

Aβ+P zeigte niedrigere CE als beide Aβ− Gruppen, aber die Aβ− Gruppen unterschieden sich nicht signifikant. Im Gegensatz dazu diskriminierte FR alle Gruppen. SBM-Analysen ergaben, dass CE-Indizes mit der kortikalen Dicke einer breiteren Gruppe von linkslateralisierten temporalen und parietalen Regionen korrelierten als FR. Regressionsanalysen zeigten, dass die Amyloidlast und die linke HV die FCSRT-Scores unabhängig voneinander vorhersagten. Darüber hinaus wurden CE-Indizes durch die kortikale Dicke einiger Regionen vorhergesagt, die an der frühen AD beteiligt sind, wie z. B. der entorhinale Kortex.

Schlussfolgerungen:

Im Vergleich zu FR-Maßnahmen scheinen CE-Indizes spezifischer für die Unterscheidung von Personen auf der Grundlage der Amyloidbelastung zu sein. Sowohl die CE- als auch die FR-Leistung wurden unabhängig von der Amyloidlast im Gehirn und der reduzierten linken HV vorhergesagt. Die CE-Leistung wurde jedoch auch durch die kortikale Dicke von Regionen vorhergesagt, von denen bekannt ist, dass sie früh in AD atrophisch sind. (JINS, 2016,22, 991-1004)

Literaturverzeichnis
  1. Ahn, HJ, Seo, SW, Chin, J., Suh, MK, Lee, BH, Kim, ST, & Na, DL (2011). Die kortikale Neuroanatomie neuropsychologischer Defizite bei leichter kognitiver Beeinträchtigung und Alzheimer-Krankheit: Eine oberflächenbasierte morphometrische Analyse. Neuropsychologia, 49(14), 3931–3945. doi:10.1016/j.neuropsychologia.2011.10.010 CrossRef  Google Scholar  PubMed 
  2. Albert, MS (1996). Kognitive und neurobiologische Marker der frühen Alzheimer-Krankheit. Proceedings of the National Academy of Sciences of the United States of America, 93(24), 13547–13551. CrossRef  Google Scholar  PubMed 
  3. Albert, MS, DeKosky, ST, Dickson, D., Dubois, B., Feldman, HH, Fox, NC, & Phelps, CH (2011). Die Diagnose einer leichten kognitiven Beeinträchtigung aufgrund der Alzheimer-Krankheit: Empfehlungen der Arbeitsgruppen der National Institute on Aging-Alzheimer's Association zu diagnostischen Richtlinien für die Alzheimer-Krankheit. Alzheimer & Demenz, 7(3), 270–279. doi:10.1016/j.jalz.2011.03.008 CrossRef  Google Scholar 
  4. Amerikanische Psychiatrische Vereinigung. (2000). Diagnostisches und statistisches Handbuch psychischer Störungen: DSM-IV-TR (4. Aufl.). Washington, DC: Amerikanische Psychiatrische Vereinigung. Google Scholar  PubMed 
  5. Atienza, M., Atalaia-Silva, KC, Gonzalez-Escamilla, G., Gil-Neciga, E., Suarez-Gonzalez, A., & Cantero, JL (2011). Assoziative Gedächtnisdefizite bei leichter kognitiver Beeinträchtigung: Die Rolle der Hippocampusbildung. Neuroimage, 57(4), 1331–1342. doi:10.1016/j.neuroimage.2011.05.047 CrossRef  Google Scholar  PubMed 
  6. Becker, JA, Hedden, T., Carmasin, J., Maye, J., Rentz, DM, Putcha, D., & Johnson, KA (2011). Amyloid-beta-assoziierte kortikale Verdünnung bei klinisch normalen älteren Menschen. Annals of Neurology, 69(6), 1032–1042. doi:10.1002/ana.22333 CrossRef  Google Scholar  PubMed 
  7. Blennow, K., Mattsson, N., Scholl, M., Hansson, O., & Zetterberg, H. (2015). Amyloid-Biomarker bei der Alzheimer-Krankheit. Trends in Pharmacological Sciences, 36(5), 297–309. doi:10.1016/j.tips.2015.03.002 CrossRef  Google Scholar  PubMed 
  8. Bonner-Jackson, A., Mahmoud, S., Miller, J., & Banks, SJ (2015). Verbales und nonverbales Gedächtnis und Hippocampus-Volumen in einer Gedächtnisklinikpopulation. Alzheimer's Research & Therapy, 7(1), 61. doi:10.1186/s13195-015-0147-9 CrossRef  Google Scholar 
  9. Braak, H. & Braak, E. (1991). Neuropathologische Inszenierung von Alzheimer-bedingten Veränderungen. Acta Neuropathologica, 82(4), 239–259. CrossRef  Google Scholar  PubMed 
  10. Carlesimo, GA, Perri, R., & Caltagirone, C. (2011). Category Cued Recall nach kontrollierter Kodierung als neuropsychologisches Werkzeug bei der Diagnose der Alzheimer-Krankheit: Eine Überprüfung der Beweise. Neuropsychology Review, 21(1), 54–65. doi:10.1007/s11065-010-9153-7 CrossRef  Google Scholar 
  11. Chen, P., Ratcliff, G., Belle, SH, Cauley, JA, DeKosky, ST, & Ganguli, M. (2000). Kognitive Tests, die am besten zwischen präsymptomatischer AD und denen unterscheiden, die nicht dement bleiben. Neurologie, 55(12), 1847–1853. CrossRef  Google Scholar  PubMed 
  12. Crary, JF, Trojanowski, JQ, Schneider, JA, Abisambra, JF, Abner, EL, Alafuzoff, I., & Nelson, PT (2014). Primäre altersbedingte Tauopathie (PART): Eine häufige Pathologie im Zusammenhang mit dem Altern des Menschen. Acta Neuropathologica, 128(6), 755–766. doi:10.1007/s00401-014-1349-0 CrossRef  Google Scholar  PubMed 
  13. Desikan, RS, Segonne, F., Fischl, B., Quinn, BT, Dickerson, BC, Blacker, D., & Killiany, RJ (2006). Ein automatisiertes Etikettierungssystem zur Unterteilung der menschlichen Großhirnrinde bei MRI-Scans in gyralbasierte Regionen von Interesse. Neuroimage, 31(3), 968–980. doi:10.1016/j.neuroimage.2006.01.021 CrossRef  Google Scholar  PubMed 
  14. Dickerson, BC, Bakkour, A., Salat, DH, Feczko, E., Pacheco, J., Greve, DN, & Buckner, RL (2009). Die kortikale Signatur der Alzheimer-Krankheit: Eine regional spezifische kortikale Verdünnung bezieht sich auf die Symptomschwere bei sehr leichter bis leichter AD-Demenz und ist bei asymptomatischen Amyloid-positiven Personen nachweisbar. Großhirnrinde, 19(3), 497–510. doi:10.1093/cercor/bhn113 CrossRef  Google Scholar  PubMed 
  15. Dickerson, BC, Feczko, E., Augustinack, JC, Pacheco, J., Morris, JC, Fischl, B., & Buckner, RL (2009). Unterschiedliche Auswirkungen des Alterns und der Alzheimer-Krankheit auf die kortikale Dicke und Oberfläche des medialen Temporallappens. Neurobiology of Aging, 30(3), 432–440. doi:10.1016/j.neurobiolaging.2007.07.022 CrossRef  Google Scholar  PubMed 
  16. Dickerson, BC, Fenstermacher, E., Salat, DH, Wolk, DA, Maguire, RP, Desikan, R., & Fischl, B. (2008). Die Erkennung der kortikalen Dicke korreliert mit der kognitiven Leistung: Zuverlässigkeit über MRT-Scan-Sitzungen, Scanner und Feldstärken hinweg. Neuroimage, 39(1), 10–18. doi:10.1016/j.neuroimage.2007.08.042 CrossRef  Google Scholar  PubMed 
  17. Dierckx, E., Engelborghs, S., De Raedt, R., Van Buggenhout, M., De Deyn, PP, Verte, D., & Ponjaert-Kristoffersen, I. (2009). Verbale Erinnerung als Prädiktor für die Konversion zur Alzheimer-Krankheit bei leichter kognitiver Beeinträchtigung. International Journal of Geriatric Psychiatry, 24(10), 1094–1100. doi:10.1002/gps.2228 CrossRef  Google Scholar  PubMed 
  18. Dore, V., Villemagne, VL, Bourgeat, P., Fripp, J., Acosta, O., Chetelat, G., & Rowe, CC (2013). Querschnitts- und Längsschnittanalyse der Beziehung zwischen Abeta-Ablagerung, kortikaler Dicke und Gedächtnis bei kognitiv nicht beeinträchtigten Personen und bei der Alzheimer-Krankheit. JAMA Neurology, 70(7), 903–911. doi:10.1001/jamaneurol.2013.1062 CrossRef  Google Scholar  PubMed 
  19. Dubois, B., Feldman, HH, Jacova, C., Dekosky, ST, Barberger-Gateau, P., Cummings, J., & Scheltens, P. (2007). Forschungskriterien für die Diagnose der Alzheimer-Krankheit: Überarbeitung der NINCDS-ADRDA-Kriterien. Lancet Neurology, 6(8), 734–746. doi:10.1016/S1474-4422(07)70178-3 CrossRef  Google Scholar 
  20. Ferguson, CJ (2009). Eine Einführung in die Effektgröße: Ein Leitfaden für Kliniker und Forscher. Berufspsychologie: Forschung und Praxis, 40 (5), 532–538. doi:10.1037/a0015808 CrossRef  Google Scholar 
  21. Fischl, B., Salat, DH, van der Kouwe, AJ, Makris, N., Segonne, F., Quinn, BT, & Dale, AM (2004). Sequenzunabhängige Segmentierung von Magnetresonanzbildern. Neuroimage, 23 (Suppl 1), S69–S84. doi:10.1016/j.neuroimage.2004.07.016 CrossRef  Google Scholar  PubMed 
  22. Frisoni, GB, Prestia, A., Zanetti, O., Galluzzi, S., Romano, M., Cotelli, M., & Geroldi, C. (2009). Marker der Alzheimer-Krankheit in einer Population, die eine Gedächtnisklinik besucht. Alzheimer & Demenz, 5(4), 307–317. doi:10.1016/j.jalz.2009.04.1235 CrossRef  Google Scholar 
  23. Grober, E. & Buschke, H. (1987). Echte Gedächtnisdefizite bei Demenz. Entwicklungsneuropsychologie, 3, 13–36. CrossRef  Google Scholar 
  24. Grober, E., Lipton, RB, Hall, C., & Crystal, H. (2000). Gedächtnisstörungen bei freier und gezielter selektiver Erinnerung sagen Demenz voraus. Neurologie, 54(4), 827–832. CrossRef  Google Scholar  PubMed 
  25. Grober, E., Sanders, AE, Hall, C., & Lipton, RB (2010). Freie und gezielte selektive Erinnerung identifiziert sehr leichte Demenz in der Primärversorgung. Alzheimer-Krankheit und damit verbundene Erkrankungen, 24(3), 284–290. doi:10.1097/WAD.0b013e3181cfc78b Google Scholar  PubMed 
  26. Hanseeuw, B., Dricot, L., Kavec, M., Grandin, C., Seron, X., & Ivanoiu, A. (2011). Assoziative Kodierungsdefizite bei amnestischer leichter kognitiver Beeinträchtigung: Eine volumetrische und funktionelle MRT-Studie. Neuroimage, 56(3), 1743–1748. doi:10.1016/j.neuroimage.2011.03.034 CrossRef  Google Scholar  PubMed 
  27. Hurtz, S., Woo, E., Kebets, V., Green, AE, Zoumalan, C., Wang, B., & Apostolova, LG (2014). Alterseffekte auf die kortikale Dicke bei kognitiv normalen älteren Personen. Demenz und geriatrische kognitive Störungen Extra, 4(2), 221–227. doi:10.1159/000362872 CrossRef  Google Scholar 
  28. Ivanoiu, A., Adam, S., Van der Linden, M., Salmon, E., Juillerat, AC, Mulligan, R., & Seron, X. (2005). Gedächtnisbewertung mit einem neuen Cued-Recall-Test bei Patienten mit leichter kognitiver Beeinträchtigung und Alzheimer-Krankheit. Zeitschrift für Neurologie, (1), 47–55. doi:10.1007/s00415-005-0597-2 CrossRef  Google Scholar  PubMed 
  29. Ivanoiu, A., Dricot, L., Gilis, N., Grandin, C., Lhommel, R., Quenon, L., & Hanseeuw, B. (2015). Klassifikation von nicht dementen Patienten in einer Gedächtnisklinik anhand der neuen diagnostischen Kriterien für die Alzheimer-Krankheit mit krankheitsbezogenen Biomarkern. Journal of Alzheimer's Disease, 43(3), 835–847. doi:10.3233/JAD-140651 Google Scholar  PubMed 
  30. Jack, CR Jr. (2014). PART und SNAP. Acta Neuropathologica, 128(6), 773–776. doi:10.1007/s00401-014-1362-3 CrossRef  Google Scholar  PubMed 
  31. Jack, CR Jr., Knopman, DS, Jagust, WJ, Petersen, RC, Weiner, MW, Aisen, PS, & Trojanowski, JQ (2013). Verfolgung pathophysiologischer Prozesse bei der Alzheimer-Krankheit: Ein aktualisiertes hypothetisches Modell dynamischer Biomarker. Lancet Neurology, 12(2), 207–216. doi:10.1016/S1474-4422(12)70291-0 CrossRef  Google Scholar  PubMed 
  32. Jack, CR Jr., Lowe, VJ, Senjem, ML, Weigand, SD, Kemp, BJ, Shiung, MM, & Petersen, RC (2008). 11C PiB und strukturelles MRT liefern ergänzende Informationen bei der Bildgebung der Alzheimer-Krankheit und amnestischen leichten kognitiven Beeinträchtigungen. Gehirn, 131 (Teil 3), 665–680. doi:10.1093/brain/awm336 CrossRef  Google Scholar 
  33. Jongbloed, W., Bruggink, KA, Kester, MI, Visser, PJ, Scheltens, P., Blankenstein, MA, & Veerhuis, R. (2015). Amyloid-beta-Oligomere beziehen sich auf den kognitiven Rückgang bei der Alzheimer-Krankheit. Journal of Alzheimer's Disease, 45(1), 35–43. doi:10.3233/JAD-142136 Google Scholar 
  34. Lemaitre, H., Goldman, AL, Sambataro, F., Verchinski, BA, Meyer-Lindenberg, A., Weinberger, DR, & Mattay, VS (2012). Normale altersbedingte morphometrische Veränderungen des Gehirns: Ungleichmäßigkeit über kortikale Dicke, Oberfläche und Volumen der grauen Substanz? Neurobiology of Aging, 33(3), 617.e1–9. doi:10.1016/j.neurobiolaging.2010.07.013 CrossRef  Google Scholar  PubMed 
  35. Lerch, JP, Pruessner, JC, Zijdenbos, A., Hampel, H., Teipel, SJ, & Evans, AC (2005). Fokaler Rückgang der kortikalen Dicke bei der Alzheimer-Krankheit, identifiziert durch computergestützte Neuroanatomie. Großhirnrinde, 15(7), 995–1001. doi:10.1093/cercor/bhh200 CrossRef  Google Scholar  PubMed 
  36. Llado-Saz, S., Atienza, M., & Cantero, JL (2015). Erhöhte Plasma-Amyloid-beta-Spiegel stehen im Zusammenhang mit einer kortikalen Verdünnung und einem kognitiven Rückgang bei kognitiv normalen älteren Personen. Neurobiology of Aging, 36(10), 2791–2797. doi:10.1016/j.neurobiolaging.2015.06.023 CrossRef  Google Scholar  PubMed 
  37. Markesbery, WR (2010). Neuropathologische Veränderungen bei leichter kognitiver Beeinträchtigung: Eine Überprüfung. Journal of Alzheimer's Disease, 19(1), 221–228. doi:10.3233/JAD-2010-1220 CrossRef  Google Scholar 
  38. McKhann, G., Drachman, D., Folstein, M., Katzman, R., Price, D., & Stadlan, EM (1984). Klinische Diagnose der Alzheimer-Krankheit: Bericht der NINCDS-ADRDA-Arbeitsgruppe unter der Schirmherrschaft der Arbeitsgruppe für Alzheimer-Krankheit des Ministeriums für Gesundheit und menschliche Dienste. Neurologie, 34(7), 939–944. CrossRef  Google Scholar  PubMed 
  39. Mormino, EC, Kluth, JT, Madison, CM, Rabinovici, GD, Baker, SL, Miller, BL, … Alzheimer's Disease Neuroimaging Initiative. (2009). Der episodische Gedächtnisverlust steht im Zusammenhang mit der Hippocampus-vermittelten Beta-Amyloid-Ablagerung bei älteren Personen. Gehirn, 132 (Teil 5), 1310–1323. doi:10.1093/brain/awn320 CrossRef  Google Scholar  PubMed 
  40. Myers, R. (1990). Klassische und moderne Regression mit Anwendung (2. Aufl.). Boston, MA: Duxbury Press. Google Scholar 
  41. Nho, K., Risacher, SL, Crane, PK, DeCarli, C., Glymour, MM, & Habeck, C., … Alzheimer's Disease Neuroimaging Initiative. (2012). Voxel- und oberflächenbasierte Topographie von Gedächtnis- und Exekutivdefiziten bei leichter kognitiver Beeinträchtigung und Alzheimer-Krankheit. Bildgebung und Verhalten des Gehirns, 6 (4), 551–567. doi:10.1007/s11682-012-9203-2 CrossRef  Google Scholar  PubMed 
  42. Ong, K., Villemagne, VL, Bahar-Fuchs, A., Lamb, F., Chetelat, G., Raniga, P., & Rowe, CC (2013). (18)F-Florbetaben-Abeta-Bildgebung bei leichter kognitiver Beeinträchtigung. Alzheimer's Research & Therapy, 5(1), 4. doi:10.1186/alzrt158 CrossRef  Google Scholar 
  43. Petersen, RC (2004). Leichte kognitive Beeinträchtigung als diagnostische Entität. Zeitschrift für Innere Medizin, 256(3), 183–194. doi:10.1111/j.1365-2796.2004.01388.x CrossRef  Google Scholar  PubMed 
  44. Pillon, B., Deweer, B., Michon, A., Malapani, C., Agid, Y., & Dubois, B. (1994). Sind explizite Gedächtnisstörungen bei progressiver supranukleärer Lähmung mit Schäden an striatofrontalen Schaltkreisen verbunden? Vergleich mit Alzheimer, Parkinson und Huntington. Neurologie, 44(7), 1264–1270. CrossRef  Google Scholar  PubMed 
  45. Kernteam der R-Entwicklung. (2015). R: Eine Sprache und Umgebung für statistisches Rechnen. Wien, Österreich: R Foundation for Statistical Computing. Google Scholar  PubMed 
  46. Rabinovici, GD, & Jagust, WJ (2009). Amyloid-Bildgebung bei Alterung und Demenz: Testen der Amyloid-Hypothese in vivo. Verhaltensneurologie, 21(1), 117–128. doi:10.3233/BEN-2009-0232 CrossRef  Google Scholar 
  47. Rami, L., Fortea, J., Bosch, B., Sole-Padulles, C., Llado, A., Iranzo, A., & Molinuevo, JL (2011). Zerebrospinalflüssigkeits-Biomarker und Gedächtnis weisen unterschiedliche Assoziationen entlang des Kontinuums von gesunden Probanden bis hin zu AD-Patienten auf. Journal of Alzheimer's Disease, 23(2), 319–326. doi:10.3233/JAD-2010-101422 Google Scholar  PubMed 
  48. Rami, L., Sole-Padulles, C., Fortea, J., Bosch, B., Llado, A., Antonell, A., & Molinuevo, JL (2012). Anwendung der neuen Forschungsdiagnostikkriterien: MRT-Befunde und neuropsychologische Korrelationen der prodromalen AD. International Journal of Geriatric Psychiatry, 27(2), 127–134. doi:10.1002/gps.2696 CrossRef  Google Scholar  PubMed 
  49. Saka, E., Mihci, E., Topcuoglu, MA, & Balkan, S. (2006). Enhanced Cued Recall hat einen hohen Nutzen als Screening-Test bei der Diagnose der Alzheimer-Krankheit und leichter kognitiver Beeinträchtigung bei Türken. Archives of Clinical Neuropsychology, 21(7), 745–751. doi:10.1016/j.acn.2006.08.007 CrossRef  Google Scholar 
  50. Sarazin, M., Berr, C., De Rotrou, J., Fabrigoule, C., Pasquier, F., Legrain, S., & Dubois, B. (2007). Amnestisches Syndrom des medialen temporalen Typs identifiziert prodromale AD: Eine Längsschnittstudie. Neurologie, 69 (19), 1859–1867. doi:10.1212/01.wnl.0000279336.36610.f7 CrossRef  Google Scholar  PubMed 
  51. Sarazin, M., Chauvire, V., Gerardin, E., Colliot, O., Kinkingnehun, S., de Souza, LC, & Dubois, B. (2010). Das amnestische Syndrom vom Hippocampus-Typ bei der Alzheimer-Krankheit: Eine MRT-Studie. Journal of Alzheimer's Disease, 22(1), 285–294. doi:10.3233/JAD-2010-091150 CrossRef  Google Scholar  PubMed 
  52. Sperling, R. (2007). Funktionelle MRT-Studien zur assoziativen Kodierung bei normalem Altern, leichter kognitiver Beeinträchtigung und Alzheimer-Krankheit. Annalen der New York Academy of Sciences, 1097, 146–155. doi:10.1196/annals.1379.009 CrossRef  Google Scholar 
  53. Sperling, RA, Aisen, PS, Beckett, LA, Bennett, DA, Craft, S., Fagan, AM, & Phelps, CH (2011). Zur Definition der präklinischen Stadien der Alzheimer-Krankheit: Empfehlungen der Arbeitsgruppen der National Institute on Aging-Alzheimer's Association zu diagnostischen Leitlinien für die Alzheimer-Krankheit. Alzheimer & Demenz, 7(3), 280–292. doi:10.1016/j.jalz.2011.03.003 CrossRef  Google Scholar 
  54. Stevens, JP (2002). Angewandte multivariate Statistik für die Sozialwissenschaften (4. Aufl.). Mahwah, NJ: Lawrence Erlbaum Associates. Google Scholar 
  55. Thambisetty, M., Wan, J., Carass, A., An, Y., Prince, JL, & Resnick, SM (2010). Längsveränderungen der kortikalen Dicke im Zusammenhang mit normalem Altern. Neuroimage, 52(4), 1215–1223. doi:10.1016/j.neuroimage.2010.04.258 CrossRef  Google Scholar  PubMed 
  56. Tounsi, H., Deweer, B., Ergis, AM, Van der Linden, M., Pillon, B., Michon, A., & Dubois, B. (1999). Sensibilität für semantische Hinweise: Ein Index für episodische Gedächtnisstörungen bei früher Alzheimer-Krankheit. Alzheimer-Krankheit und damit verbundene Erkrankungen, 13(1), 38–46. CrossRef  Google Scholar  PubMed 
  57. Trojanowski, JQ, Vandeerstichele, H., Korecka, M., Clark, CM, Aisen, PS, Petersen, RC, … Alzheimer's Disease Neuroimaging Initiative. (2010). Update zum Biomarker-Kern der Themen der Alzheimer's Disease Neuroimaging Initiative. Alzheimer & Demenz, 6(3), 230–238. doi:10.1016/j.jalz.2010.03.008 CrossRef  Google Scholar  PubMed 
  58. Troyer, AK, Murphy, KJ, Anderson, ND, Craik, FI, Moscovitch, M., Maione, A., & Gao, F. (2012). Assoziative Erkennung bei leichter kognitiver Beeinträchtigung: Beziehung zum Hippocampusvolumen und Apolipoprotein E. Neuropsychologia, 50(14), 3721–3728. doi:10.1016/j.neuropsychologia.2012.10.018 CrossRef  Google Scholar  PubMed 
  59. Troyer, AK, Murphy, KJ, Anderson, ND, Hayman-Abello, BA, Craik, FI, & Moscovitch, M. (2008). Item- und assoziatives Gedächtnis bei amnestischer leichter kognitiver Beeinträchtigung: Leistung bei standardisierten Gedächtnistests. Neuropsychologie, 22(1), 10–16. doi:10.1037/0894-4105.22.1.10 CrossRef  Google Scholar  PubMed 
  60. Van der Linden, M., Coyette, F., Poitrenaud, J., Kalafat, M., Calicis, F., Wyns, C., … GRENEM. (2004). L'épreuve de rappel libre/rappel indicé à 16 items (RL/RI-16). In M. Van der Linden, S. Adam, A. Agniel, C. Baisset Mouly, F. Bardet, F. Coyette, B. Desgranges, B. Deweer, A.-M. Ergis, M.-C. Gély-Nargeot, L. Grimomprez, AC Juillerat, M. Kalafat, J. Poitrenaud, F. Sellal & C. Thomas-Antérion (Hrsg.), L'évaluation des problems de la mémoire. Présentation de quatre tests de mémoire episodique (avec leur étalonnage). Marseille: Solal. Google Scholar 
  61. Vandenberghe, R., Van Laere, K., Ivanoiu, A., Salmon, E., Bastin, C., Triau, E., & Brooks, DJ (2010). 18F-Flutemetamol-Amyloid-Bildgebung bei Alzheimer-Krankheit und leichter kognitiver Beeinträchtigung: Eine Phase-2-Studie. Annals of Neurology, 68(3), 319–329. doi:10.1002/ana.22068 CrossRef  Google Scholar 
  62. Villemagne, VL, Burnham, S., Bourgeat, P., Brown, B., Ellis, KA, Salvado, O., … Australian Lifestyle Research Group. (2013). Amyloid-beta-Ablagerung, Neurodegeneration und kognitiver Rückgang bei sporadischer Alzheimer-Krankheit: Eine prospektive Kohortenstudie. Lancet Neurology, 12(4), 357–367. doi:10.1016/S1474-4422(13)70044-9 CrossRef  Google Scholar 
  63. Villemagne, VL, Pike, KE, Chetelat, G., Ellis, KA, Mulligan, RS, Bourgeat, P., & Rowe, CC (2011). Längsschnittbewertung von Abeta und Kognition bei Alterung und Alzheimer-Krankheit. Annalen der Neurologie, 69 (1), 181–192. doi:10.1002/ana.22248 CrossRef  Google Scholar  PubMed 
  64. Wagner, M., Wolf, S., Reischies, FM, Daerr, M., Wolfsgruber, S., Jessen, F., & Wiltfang, J. (2012). Biomarker-Validierung eines Cued-Recall-Gedächtnisdefizits bei prodromaler Alzheimer-Krankheit. Neurologie, 78(6), 379–386. doi:10.1212/WNL.0b013e318245f447 CrossRef  Google Scholar  PubMed 
  65. Wisse, LE, Butala, N., Das, SR, Davatzikos, C., Dickerson, BC, Vaishnavi, SN, … Alzheimer's Disease Neuroimaging Initiative. (2015). Verdacht auf Nicht-AD-Pathologie bei leichter kognitiver Beeinträchtigung. Neurobiologie des Alterns, 36(12), 3152–3162. doi:10.1016/j.neurobiolaging.2015.08.029 CrossRef  Google Scholar  PubMed 
  66. Xie, J., Gabelle, A., Dorey, A., Garnier-Crussard, A., Perret-Liaudet, A., Delphin-Combe, F., & Krolak-Salmon, P. (2014). Anfängliche Profile von Gedächtnisdefiziten bei Patienten mit einer Alzheimer-Signatur in der Zerebrospinalflüssigkeit. Journal of Alzheimer's Disease, 41(4), 1109–1116. doi:10.3233/JAD-131916 Google Scholar  PubMed 
Computergestützte kognitive Tests werden mit Biomarkern der Alzheimer-Krankheit bei kognitiv normalen Personen vor 10 Jahren in Verbindung gebracht
Autor (en)
  • Anja Soldan | Abteilung für Neurologie, The Johns Hopkins University School of Medicine, Baltimore, Maryland
  • Corinne Pettigrew | Abteilung für Neurologie, The Johns Hopkins University School of Medicine, Baltimore, Maryland
  • Abhay Moghekar | Abteilung für Neurologie, The Johns Hopkins University School of Medicine, Baltimore, Maryland
  • Marilyn Albert | Abteilung für Neurologie, The Johns Hopkins University School of Medicine, Baltimore, Maryland

Korrespondenz
E-Mail-Adresse | asoldan1@jhmi.edu

Angaben
Dr. Soldan meldet keine Angaben. Dr. Pettigrew meldet keine Offenlegungen. Dr. Moghekar meldet keine Offenlegungen. Dr. Albert ist ein Berater von Eli Lilly. Dr. Soldan und Pettigrew haben zu gleichen Teilen zu diesem Manuskript beigetragen.

Abstrakt
Lernziele:

Es gibt Hinweise darauf, dass die Biomarker der Alzheimer-Krankheit (AD) viele Jahre vor dem Auftreten klinischer Symptome von AD abnormal werden, was die Möglichkeit erhöht, dass die bei kognitiv normalen Personen gemessenen Biomarkerwerte viele Jahre später mit der kognitiven Leistungsfähigkeit in Verbindung gebracht werden. Diese Studie untersuchte, ob die Leistung bei computergestützten kognitiven Tests mit den Biomarkern der Cerebrospinalflüssigkeit (CSF) von Amyloid, Tau und phosphoryliertem Tau (p-Tau) zusammenhängt, die etwa 10 Jahre zuvor ermittelt wurden, als die Personen kognitiv normal und hauptsächlich im mittleren Alter waren.

Methoden:

Personen aus der BIOCARD-Kohorte (Durchschnittsalter beim Test = 69 Jahre) wurden bei zwei computergestützten Aufgaben getestet, von denen angenommen wurde, dass sie sich auf Gehirnregionen stützen, die von der frühen Akkumulation von AD-Pathologie betroffen sind: (1) eine Paired Associates Learning (PAL)-Aufgabe (n=67) und (2) eine visuelle Suchaufgabe (n= 86).

Ergebnisse:

In Regressionsanalysen wurde eine schlechtere Leistung bei der PAL-Aufgabe mit höheren Spiegeln von CSF p-tau assoziiert, die Jahre zuvor erhalten wurden, während eine schlechtere Leistung bei der visuellen Suchaufgabe mit niedrigeren Spiegeln von CSF Aβ assoziiert war1-42.

Schlussfolgerungen:

Diese Ergebnisse deuten darauf hin, dass AD-Biomarkerwerte viele Jahre später unterschiedliche Vorhersagen für spezifische kognitive Funktionen machen können. In Übereinstimmung mit dem Muster der frühen Akkumulation der AD-Pathologie wurde die PAL-Aufgabe, von der angenommen wurde, dass sie auf der Funktion des medialen Temporallappens beruht, mit CSF p-tau assoziiert, während die visuelle Suchaufgabe, von der angenommen wurde, dass sie auf der frontoparietalen Funktion beruht, mit CSF assoziiert war Amyloid. Studien, die Amyloid- und Tau-PET-Bildgebung verwenden, werden nützlich sein, um diese hypothetischen Beziehungen weiter zu untersuchen. (JINS, 2016,22, 968-977)

Literaturverzeichnis
  1. Albert, M., Soldan, A., Gottesman, R., McKhann, G., Sacktor, N., Farrington, L., & Selnes, O. (2014). Kognitive Veränderungen vor Beginn der klinischen Symptome einer leichten kognitiven Beeinträchtigung und Beziehung zum ApoE-Genotyp. Aktuelle Alzheimerforschung, 11(8), 773–784. CrossRef  Google Scholar  PubMed 
  2. Anderson, EJ, Mannan, SK, Husain, M., Rees, G., Sumner, P., Mort, DJ, & Kennard, C. (2007). Beteiligung des präfrontalen Kortex an der visuellen Suche. Experimentelle Hirnforschung, 180 (2), 289–302. CrossRef  Google Scholar  PubMed 
  3. Anstey, KJ, Wood, J., Kerr, G., Caldwell, H., & Lord, SR (2009). Unterschiedliche kognitive Profile für Alleinstehende im Vergleich zu wiederkehrenden Stürzen ohne Demenz. Neuropsychology, 23(4), 500–508. CrossRef  Google Scholar  PubMed 
  4. Aschenbrenner, AJ, Balota, DA, Fagan, AM, Duchek, JM, Benzinger, TL, & Morris, JC (2015). Zerebrospinalflüssigkeit-Biomarker der Alzheimer-Krankheit moderieren Basislinienunterschiede und prognostizieren longitudinale Veränderungen in der Aufmerksamkeitskontrolle und episodischen Gedächtniskompositen in der Studie mit erwachsenen Kindern. Zeitschrift der Internationalen Neuropsychologischen Gesellschaft, 21(8), 573–583. CrossRef  Google Scholar  PubMed 
  5. Aschenbrenner, AJ, Balota, DA, Tse, CS, Fagan, AM, Holtzman, DM, Benzinger, TL, & Morris, JC (2015). Biomarker der Alzheimer-Krankheit, Aufmerksamkeitskontrolle und Abruf des semantischen Gedächtnisses: Synergistische und vermittelnde Wirkungen von Biomarkern auf ein empfindliches kognitives Maß bei nicht dementen älteren Erwachsenen. Neuropsychology, 29(3), 368–381. CrossRef  Google Scholar  PubMed 
  6. Bennett, IJ, Barnes, KA, Howard, JH Jr., & Howard, DV (2009). Eine abgekürzte implizite Lernaufgabe im räumlichen Kontext, die zu mehr Lernerfolg führt. Verhaltensforschungsmethoden, 41 (2), 391–395. CrossRef  Google Scholar  PubMed 
  7. Bilgel, M., Jedynak, B., Wong, DF, Resnick, SM, & Prince, JL (2015). Schätzung der zeitlichen Trajektorie und des Progressions-Scores aus voxelweisen Längsbildgebungsmaßnahmen: Anwendung auf die Amyloid-Bildgebung. Informationsverarbeitung in der medizinischen Bildgebung, 24, 424–436. Google Scholar  PubMed 
  8. Blacker, D., Lee, H., Muzikansky, A., Martin, EC, Tanzi, R., McArdle, JJ, & Albert, M. (2007). Neuropsychologische Messungen bei normalen Personen, die einen späteren kognitiven Rückgang vorhersagen. Archives of Neurology, 64(6), 862–871. CrossRef  Google Scholar  PubMed 
  9. Braak, H., Alafuzoff, I., Arzberger, T., Kretzschmar, H., & Del Tredici, K. (2006). Inszenierung der mit der Alzheimer-Krankheit assoziierten neurofibrillären Pathologie unter Verwendung von Paraffinschnitten und Immunzytochemie. Acta Neuropathologica, 112(4), 389–404. CrossRef  Google Scholar  PubMed 
  10. Braak, H. & Braak, E. (1991). Neuropathologische Inszenierung von Alzheimer-bedingten Veränderungen. Acta Neuropathologica, 82(4), 239–259. CrossRef  Google Scholar  PubMed 
  11. Chun, MM, & Jiang, Y. (1998). Kontextbezogene Hinweise: Implizites Lernen und Erinnern an den visuellen Kontext lenkt die räumliche Aufmerksamkeit. Kognitive Psychologie, 36 (1), 28–71. CrossRef  Google Scholar  PubMed 
  12. Corbetta, M., & Shulman, GL (1998). Menschliche kortikale Mechanismen der visuellen Aufmerksamkeit während der Orientierung und Suche. Philosophische Transaktionen der Royal Society B: Biological Sciences, 353 (1373), 1353–1362. CrossRef  Google Scholar  PubMed 
  13. Cummings, JL, Mega, M., Gray, K., Rosenberg-Thompson, S., Carusi, DA, & Gornbein, J. (1994). Das neuropsychiatrische Inventar: Umfassende Bewertung der Psychopathologie bei Demenz. Neurologie, 44(12), 2308–2314. CrossRef  Google Scholar  PubMed 
  14. de Jager, CA, Milwain, E., & Budge, M. (2002). Früherkennung isolierter Gedächtnisdefizite bei älteren Menschen: Die Notwendigkeit empfindlicherer neuropsychologischer Tests. Psychologische Medizin, 32 (3), 483–491. CrossRef  Google Scholar  PubMed 
  15. de Rover, M., Pironti, VA, McCabe, JA, Acosta-Cabronero, J., Arana, FS, Morein-Zamir, S., & Sahakian, BJ (2011). Hippocampale Dysfunktion bei Patienten mit leichter kognitiver Beeinträchtigung: Eine funktionelle Neuroimaging-Studie einer visuell-räumlichen Paired Associates-Lernaufgabe. Neuropsychologia, 49(7), 2060–2070. CrossRef  Google Scholar  PubMed 
  16. Donner, TH, Kettermann, A., Diesch, E., Ostendorf, F., Villringer, A., & Brandt, SA (2002). Visuelle Merkmals- und Konjunktionssuchen gleicher Schwierigkeit greifen nur teilweise überlappende frontoparietale Netzwerke ein. Neuroimage, 15(1), 16–25. CrossRef  Google Scholar  PubMed 
  17. Egerhazi, A., Berecz, R., Bartok, E., & Degrell, I. (2007). Automatisierte Neuropsychologische Testbatterie (CANTAB) bei leichter kognitiver Beeinträchtigung und bei Alzheimer-Krankheit. Progress in Neuropsychopharmacology & Biological Psychiatry, 31(3), 746–751. CrossRef  Google Scholar  PubMed 
  18. Fagan, AM, Head, D., Shah, AR, Marcus, D., Mintun, M., Morris, JC, & Holtzman, DM (2009). Verringerte Zerebrospinalflüssigkeit Abeta(42) korreliert mit Hirnatrophie bei kognitiv normalen älteren Menschen. Annals of Neurology, 65(2), 176–183. CrossRef  Google Scholar  PubMed 
  19. Fagan, AM, Roe, CM, Xiong, C., Mintun, MA, Morris, JC, & Holtzman, DM (2007). Zerebrospinalflüssigkeit Tau/Beta-Amyloid(42)-Verhältnis als Vorhersage des kognitiven Rückgangs bei nicht dementen älteren Erwachsenen. Archives of Neurology, 64(3), 343–349. CrossRef  Google Scholar  PubMed 
  20. Folstein, MF, Folstein, SE, & McHugh, PR (1975). „Minimentaler Zustand“. Eine praktische Methode zur Einstufung des kognitiven Zustands von Patienten für den Kliniker. Journal of Psychiatric Research, 12(3), 189–198. CrossRef  Google Scholar  PubMed 
  21. Glodzik, L., de Santi, S., Tsui, WH, Mosconi, L., Zinkowski, R., Pirraglia, E., & de Leon, MJ (2011). Phosphoryliertes Tau 231, Gedächtnisschwund und mediale temporale Atrophie bei normalen Ältesten. Neurobiology of Aging, 32(12), 2131–2141. CrossRef  Google Scholar  PubMed 
  22. Glodzik, L., Mosconi, L., Tsui, W., de Santi, S., Zinkowski, R., Pirraglia, E., & de Leon, MJ (2012). Marker der Alzheimer-Krankheit, Bluthochdruck und Schäden an der grauen Substanz bei normalen älteren Menschen. Neurobiology of Aging, 33(7), 1215–1227. CrossRef  Google Scholar  PubMed 
  23. Heitz, R. P. (2014). Der Kompromiss zwischen Geschwindigkeit und Genauigkeit: Geschichte, Physiologie, Methodik und Verhalten. Grenzen in den Neurowissenschaften, 8, 150. CrossRef  Google Scholar  PubMed 
  24. Howieson, DB, Carlson, NE, Moore, MM, Wasserman, D., Abendroth, CD, Payne-Murphy, J., & Kaye, JA (2008). Verlauf des Beginns einer leichten kognitiven Beeinträchtigung. Zeitschrift der Internationalen Neuropsychologischen Gesellschaft, 14(2), 192–198. CrossRef  Google Scholar  PubMed 
  25. Hughes, CP, Berg, L., Danziger, WL, Coben, LA, & Martin, RL (1982). Eine neue klinische Skala zur Einstufung von Demenz. Britisches Journal für Psychiatrie, 140, 566–572. CrossRef  Google Scholar 
  26. Insel, PS, Mattsson, N., Mackin, RS, Kornak, J., Nosheny, R., Tosun-Turgut, D., & Weiner, MW (2015). Biomarker und kognitive Endpunkte zur Optimierung von Studien zur Alzheimer-Krankheit. Annals of Clinical and Translational Neurology, 2(5), 534–547. CrossRef  Google Scholar  PubMed 
  27. Jack, CR Jr., Knopman, DS, Jagust, WJ, Petersen, RC, Weiner, MW, Aisen, PS, & Trojanowski, JQ (2013). Verfolgung pathophysiologischer Prozesse bei der Alzheimer-Krankheit: ein aktualisiertes hypothetisches Modell dynamischer Biomarker. Lancet Neurology, 12(2), 207–216. CrossRef  Google Scholar  PubMed 
  28. Junkkila, J., Oja, S., Laine, M., & Karrasch, M. (2012). Anwendbarkeit des computergestützten Gedächtnistests CANTAB-PAL zur Identifizierung von amnestischer leichter kognitiver Beeinträchtigung und Alzheimer-Krankheit. Demenz und geriatrische kognitive Störungen, 34(2), 83–89. CrossRef  Google Scholar  PubMed 
  29. Lenehan, ME, Summers, MJ, Saunders, NL, Summers, JJ, & Vickers, JC (2016). Unterscheidet die Cambridge Automated Neuropsychological Test Battery (CANTAB) zwischen kognitiven Domänen bei gesunden älteren Erwachsenen? Bewertung, 15, 192–195. Google Scholar 
  30. Li, G., Millard, SP, Peskind, ER, Zhang, J., Yu, CE, Leverenz, JB, & Montine, TJ (2014). Querschnitts- und Längsschnittbeziehungen zwischen Biomarkern der Zerebrospinalflüssigkeit und der kognitiven Funktion bei Menschen ohne kognitive Beeinträchtigung über die gesamte Lebensspanne des Erwachsenen. JAMA Neurology, 71(6), 742–751. CrossRef  Google Scholar  PubMed 
  31. Manelis, A., & Reder, LM (2012). Prozedurales Lernen und assoziative Gedächtnismechanismen tragen zum Kontext-Cueing bei: Beweise aus fMRI und Eye-Tracking. Lernen & Gedächtnis, 19(11), 527–534. CrossRef  Google Scholar  PubMed 
  32. Mattsson, N., Insel, P., Nosheny, R., Trojanowski, JQ, Shaw, LM, Jack, CR Jr., & Weiner, M. (2014). Auswirkungen von Proteinen aus der Zerebrospinalflüssigkeit auf die Hirnatrophieraten bei kognitiv gesunden älteren Erwachsenen. Neurobiology of Aging, 35(3), 614–622. CrossRef  Google Scholar  PubMed 
  33. Mattsson, N., Insel, PS, Nosheny, R., Tosun, D., Trojanowski, JQ, Shaw, LM, & Weiner, MW (2014). Neu auftretende Beta-Amyloid-Pathologie und beschleunigte kortikale Atrophie. JAMA Neurology, 71(6), 725–734. CrossRef  Google Scholar  PubMed 
  34. McLaughlin, PM, Borrie, MJ, & Murtha, SJ (2010). Verschiebende Wirksamkeit, Aufmerksamkeitsverteilung und kontrollierte Verarbeitung bei zwei Subtypen leichter kognitiver Beeinträchtigung: Reaktionszeitleistung und intraindividuelle Variabilität bei einer visuellen Suchaufgabe. Neurocase, 16(5), 408–417. CrossRef  Google Scholar  PubMed 
  35. Moghekar, A., Goh, J., Li, M., Albert, M., & O'Brien, RJ (2012). Schwankungen des Abeta- und Tau-Spiegels im Liquor cerebrospinalis in einer älteren klinischen Kohorte. Archives of Neurology, 69(2), 246–250. CrossRef  Google Scholar 
  36. Moghekar, A., Li, S., Lu, Y., Li, M., Wang, MC, Albert, M., & O'Brien, R. (2013). CSF-Biomarker-Veränderungen gehen dem Symptombeginn einer leichten kognitiven Beeinträchtigung voraus. Neurologie, 81 (20), 1753–1758. CrossRef  Google Scholar  PubMed 
  37. Morris, JC (1993). Das Clinical Dementia Rating (CDR): Aktuelle Version und Bewertungsregeln. Neurologie, 43(11), 2412–2414. CrossRef  Google Scholar  PubMed 
  38. Müller-Oehring, EM, Schulte, T., Rohlfing, T., Pfefferbaum, A., & Sullivan, EV (2013). Visuelle Suche und das alternde Gehirn: Erkennen der Auswirkungen der altersbedingten Schrumpfung des Gehirnvolumens auf Wachsamkeit, Merkmalsbindung und Aufmerksamkeitskontrolle. Neuropsychology, 27(1), 48–59. CrossRef  Google Scholar  PubMed 
  39. Pettigrew, C., Soldan, A., Moghekar, A., Wang, MC, Gross, AL, O'Brien, R., & Albert, M. (2015). Zusammenhang zwischen Zerebrospinalflüssigkeit-Biomarkern der Alzheimer-Krankheit und Kognition bei kognitiv normalen älteren Erwachsenen. Neuropsychologia, 78, 63–72. CrossRef  Google Scholar  PubMed 
  40. Reitan, RM (1958). Validität des Trail Making Tests als Indikator für organische Hirnschädigungen. Wahrnehmungs- und Motorikfähigkeiten, 8, 271–276. CrossRef  Google Scholar 
  41. Rey, A. (1941). L’examen psychologique dans les cas d’encephalopathie traumatique. Archives de Psychologie, 28, 286–340. Google Scholar 
  42. Roe, CM, Fagan, AM, Grant, EA, Marcus, DS, Benzinger, TL, Mintun, MA, & Morris, JC (2011). Zerebrospinalflüssigkeits-Biomarker, Bildung, Gehirnvolumen und zukünftige Kognition. Archiv für Neurologie, 68 (9), 1145–1151. CrossRef  Google Scholar  PubMed 
  43. Rosler, A., Mapstone, ME, Hays, AK, Mesulam, MM, Rademaker, A., Gitelman, DR, &Weintraub, S. (2000). Veränderungen der visuellen Suchstrategie bei Alzheimer und Alterung. Neuropsychology, 14(3), 398–408. CrossRef  Google Scholar  PubMed 
  44. Sahakian, BJ, Morris, RG, Evenden, JL, Heald, A., Levy, R., Philpot, M., & Robbins, TW (1988). Eine vergleichende Studie zum visuell-räumlichen Gedächtnis und Lernen bei Demenz vom Alzheimer-Typ und der Parkinson-Krankheit. Gehirn, 111 (Teil 3), 695–718. CrossRef  Google Scholar  PubMed 
  45. Soldan, A., Pettigrew, C., Li, S., Wang, MC, Moghekar, A., Selnes, OA, & O'Brien, R. (2013). Beziehung der kognitiven Reserve und der Biomarker der Zerebrospinalflüssigkeit zur Entstehung klinischer Symptome bei der präklinischen Alzheimer-Krankheit. Neurobiology of Aging, 34(12), 2827–2834. CrossRef  Google Scholar  PubMed 
  46. Soldan, A., Pettigrew, C., Wang, MC, Moghekar, A., O'Brien, R., Selnes, O., & Albert, M. (im Druck). Hypothetische präklinische Alzheimer-Gruppen und longitudinale kognitive Veränderungen. JAMA Neurologie. Google Scholar  PubMed 
  47. Sperling, RA, Aisen, PS, Beckett, LA, Bennett, DA, Craft, S., Fagan, AM, & Phelps, CH (2011). Zur Definition der präklinischen Stadien der Alzheimer-Krankheit: Empfehlungen der Arbeitsgruppen der National Institute on Aging-Alzheimer's Association zu diagnostischen Leitlinien für die Alzheimer-Krankheit. Alzheimer & Demenz, 7(3), 280–292. CrossRef  Google Scholar  PubMed 
  48. Steenland, K., Zhao, L., Goldstein, F., Cellar, J., & Lah, J. (2014). Biomarker zur Vorhersage des kognitiven Rückgangs bei Personen mit normaler Wahrnehmung. Journal of Alzheimer's Disease, 40(3), 587–594. Google Scholar  PubMed 
  49. Stricker, NH, Dodge, HH, Dowling, NM, Han, SD, Erosheva, EA, & Jagust, WJ (2012). CSF-Biomarker-Assoziationen mit Veränderung des Hippocampus-Volumens und der Precuneus-Dicke: Implikationen für die pathologische Kaskade von Alzheimer. Brain Imaging and Behavior, 6(4), 599–609. CrossRef  Google Scholar  PubMed 
  50. Sutphen, CL, Jasielec, MS, Shah, AR, Macy, EM, Xiong, C., Vlassenko, AG, & Fagan, AM (2015). Längsveränderungen des Liquor-Biomarkers bei präklinischer Alzheimer-Krankheit im mittleren Alter. JAMA Neurology, 72(9), 1029–1042. CrossRef  Google Scholar  PubMed 
  51. Tales, A., Bayer, AJ, Haworth, J., Snowden, RJ, Philips, M., & Wilcock, G. (2011). Visuelle Suche bei leichter kognitiver Beeinträchtigung: Eine Längsschnittstudie. Journal of Alzheimer's Disease, 24(1), 151–160. Google Scholar  PubMed 
  52. Tales, A., Haworth, J., Nelson, S., Snowden, RJ, & Wilcock, G. (2005). Abnormale visuelle Suche bei leichter kognitiver Beeinträchtigung und Alzheimer-Krankheit. Neurocase, 11(1), 80–84. CrossRef  Google Scholar  PubMed 
  53. Thal, DR, Rub, U., Orantes, M., & Braak, H. (2002). Phasen der A-Beta-Ablagerung im menschlichen Gehirn und ihre Bedeutung für die Entstehung von AD. Neurologie, 58(12), 1791–1800. CrossRef  Google Scholar  PubMed 
  54. Tosun, D., Schuff, N., Shaw, LM, Trojanowski, JQ, & Weiner, MW (2011). Beziehung zwischen CSF-Biomarkern der Alzheimer-Krankheit und Raten regionaler kortikaler Ausdünnung in ADNI-Daten. Journal of Alzheimer's Disease, 26 (Ergänzung 3), 77–90. Google Scholar  PubMed 
  55. Viskontas, IV, Boxer, AL, Fesenko, J., Matlin, A., Heuer, HW, Mirsky, J., & Miller, BL (2011). Visuelle Suchmuster bei semantischer Demenz zeigen eine paradoxe Erleichterung von Bindungsprozessen. Neuropsychologia, 49(3), 468–478. CrossRef  Google Scholar  PubMed 
  56. Vos, SJ, Xiong, C., Visser, PJ, Jasielec, MS, Hassenstab, J., Grant, EA, & Fagan, AM (2013). Präklinische Alzheimer-Krankheit und ihr Ergebnis: Eine Längsschnitt-Kohortenstudie. The Lancet Neurology, 12(10), 957–965. CrossRef  Google Scholar  PubMed 
  57. Whelan, R. (2008). Effektive Analyse von Reaktionszeitdaten. Der psychologische Datensatz, 58, 475-482. CrossRef  Google Scholar 
  58. Wilson, RS, Leurgans, SE, Boyle, PA, & Bennett, DA (2011). Kognitiver Rückgang bei prodromaler Alzheimer-Krankheit und leichter kognitiver Beeinträchtigung. Archiv für Neurologie, 68 (3), 351–356. CrossRef  Google Scholar  PubMed 
  59. Yesavage, JA, Brink, TL, Rose, TL, Lum, O., Huang, V., Adey, M., & Leirer, VO (1982). Entwicklung und Validierung einer geriatrischen Depressions-Screening-Skala: Ein vorläufiger Bericht. Journal of Psychiatric Research, 17(1), 37–49. CrossRef  Google Scholar  PubMed 
  60. Yotter, RA, Doshi, J., Clark, V., Sojkova, J., Zhou, Y., Wong, DF, & Davatzikos, C. (2013). Die Abnahme des Gedächtnisses zeigt stärkere Assoziationen mit geschätzten räumlichen Mustern des Fortschreitens der Amyloidablagerung als mit der gesamten Amyloidbelastung. Neurobiology of Aging, 34(12), 2835–2842. CrossRef  Google Scholar  PubMed