3 CE-Credits. Sonderausgabe zur Vorhersage (JINS 22:10, 2016): CE-Bundle 2

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 die Ähnlichkeiten und Unterschiede in der Neurokognition zwischen Personen mit unterschiedlichen psychotischen Störungen und ihren Angehörigen.
  2. Identifizieren Sie potenzielle Vor- und Nachteile der intraindividuellen kognitiven Variabilität (IICV) als Marker für das Risiko einer späteren kognitiven Beeinträchtigung.
  3. Wählen Sie die leistungsstärksten Indextests aus, um Schüler zu identifizieren, bei denen nach einer Gehirnerschütterung ein Risiko für wahrgenommene akademische Probleme besteht.

Kurs Information
Zielgruppe:Mittel
Verfügbarkeit:Verfügbares Datum: 2016
Sie können CE für dieses JINS-Paket jederzeit erwerben.
Angeboten für CEJa
KostenMitglieder $ 30
Nichtmitglieder $45
RückgabebestimmungenDieses JINS-Paket ist nicht erstattungsfähig
CE-Gutschriften3.0

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:

Auditive Wachsamkeit und Arbeitsgedächtnis bei Jugendlichen mit familiärem Risiko für Schizophrenie oder affektive Psychose in der Harvard Adolescent Family High Risk Study
Autor (en)
  • Larry J. Seidman | Harvard Medical School, Abteilung für Psychiatrie, Massachusetts Mental Health Center Abteilung für öffentliche Psychiatrie, Beth Israel Deaconess Medical Center, Boston, Massachusetts, Harvard Medical School, Abteilung für Psychiatrie, Massachusetts General Hospital, Boston, Massachusetts
  • Andrea Pousada-Casal | Harvard Medical School, Abteilung für Psychiatrie, Massachusetts Mental Health Center, Abteilung für öffentliche Psychiatrie, Beth Israel Deaconess Medical Center, Boston, Massachusetts, Saint Louis University, Madrid, Spanien
  • Silvia Scala | Harvard Medical School, Department of Psychiatry, Massachusetts Mental Health Center Division of Public Psychiatry, Beth Israel Deaconess Medical Center, Boston, Massachusetts, Department of Public Health and Community Medicine, Section of Psychiatry and Clinical Psychology, University of Verona, P.le LA Scuro, Italien
  • Eric C. Meyer | VA VISN 17 Exzellenzzentrum für die Forschung an zurückkehrenden Kriegsveteranen, Waco, Texas, Gesundheitssystem für Kriegsveteranen in Zentraltexas, Temple, Texas, Texas A&M Health Science Center, College of Medicine, College Station, Texas
  • William S. Stein | Harvard Medical School, Abteilung für Psychiatrie, Massachusetts Mental Health Center Abteilung für öffentliche Psychiatrie, Beth Israel Deaconess Medical Center, Boston, Massachusetts
  • Heidi W. Thermenos | Harvard Medical School, Abteilung für Psychiatrie, Massachusetts Mental Health Center Abteilung für öffentliche Psychiatrie, Beth Israel Deaconess Medical Center, Boston, Massachusetts, Harvard Medical School, Abteilung für Psychiatrie, Massachusetts General Hospital, Boston, Massachusetts
  • Elena Molokotos | Harvard Medical School, Abteilung für Psychiatrie, Massachusetts Mental Health Center Abteilung für öffentliche Psychiatrie, Beth Israel Deaconess Medical Center, Boston, Massachusetts
  • Jessica Agnew-Blais | MRC Zentrum für Sozial-, Genetik- und Entwicklungspsychiatrie, Institut für Psychiatrie, Psychologie und Neurowissenschaften, King's College, London, Vereinigtes Königreich
  • Ming T. Tsuang | Harvard Medical School, Department of Psychiatry, Massachusetts Mental Health Center Division of Public Psychiatry, Beth Israel Deaconess Medical Center, Boston, Massachusetts, University of California, San Diego, Department of Psychiatry, Center for Behavior Genomics and Institute of Genomic Medicine, La Jolla , Kalifornien
  • Stephen V. Faraone | Abteilungen für Psychiatrie und Neurowissenschaften und Physiologie, SUNY Upstate Medical University, Syracuse, New York, New York

Korrespondenz

Angaben
Die Autoren geben an, dass keine Interessenkonflikte bestehen.

Abstrakt
Hintergrund:

Der Grad der Überschneidung zwischen Schizophrenie (SCZ) und affektiver Psychose (AFF) ist seit Kraepelins Unterteilung der großen Psychosen eine immer wiederkehrende Frage. Das Studium nichtpsychotischer Verwandter ermöglicht einen Vergleich von störungsassoziierten Phänotypen ohne potenzielle Verwechslungen, die charakteristische Merkmale der Störung verschleiern können. Da Aufmerksamkeit und Arbeitsgedächtnis als potenzielle Endophänotypen für SCZ und AFF vorgeschlagen wurden, verglichen wir diese kognitiven Merkmale bei Personen mit familiärem Hochrisiko (FHR) für die Störungen.

Methoden:

Junge, nicht behandelte Verwandte ersten Grades (im Alter von 13–25 Jahren) im FHR-SCZ (n=41) und FHR-AFF (n=24) und Community Controls (CCs,n=54) wurden mit Aufmerksamkeits- und Arbeitsgedächtnisversionen des Auditory Continuous Performance Test getestet. Um festzustellen, ob schizotypische Merkmale oder aktuelle Psychopathologie für kognitive Defizite verantwortlich sind, bewerteten wir die Anfälligkeit für Psychosen mit drei Chapman-Skalen, Revised Physical Anhedonia, Perceptual Aberration und Magical Ideation, und bewerteten die Psychopathologie mit der Hopkins Symptom Checklist -90 Revised.

Ergebnisse:

Im Vergleich zu den Kontrollen war die FHR-AFF-Probe in der auditiven Vigilanz signifikant beeinträchtigt, während die FHR-SCZ-Probe im Arbeitsgedächtnis signifikant schlechter war. Beide FHF-Gruppen zeigten ein signifikant höheres Maß an körperlicher Anhedonie und einigen psychopathologischen Dimensionen als die Kontrollgruppe. Die Anpassung an körperliche Anhedonie, phobische Angst, Depression, Psychotizismus und zwanghafte Symptome eliminierte die Vigilanzeffekte von FHR-AFF, aber nicht die Arbeitsgedächtnisdefizite bei FHR-SCZ.

Schlussfolgerungen:

Das Arbeitsgedächtnisdefizit bei FHR-SZ war die robustere der kognitiven Beeinträchtigungen nach Berücksichtigung psychopathologischer Confounds und wird als Endophänotyp unterstützt. Die Untersuchung größerer Stichproben von Personen mit familiärem Risiko für verschiedene Psychosen bleibt notwendig, um diese Ergebnisse zu bestätigen und die Rolle der Wachsamkeit bei FHR-AFF zu klären. (JINS, 2016,22, 1026-1037)

Literaturverzeichnis
  1. Agnew-Blais, J. & Seidman, LJ (2013). Neurokognition bei Jugendlichen und jungen Erwachsenen unter 30 Jahren mit familiärem Risiko für Schizophrenie: Eine quantitative und qualitative Überprüfung. Kognitive Neuropsychiatrie, 18, 44–82. CrossRef  Google Scholar 
  2. Agnew-Blais, J., Buka, SL, Fitzmaurice, GM, Smoller, JW, Goldstein, JM, & Seidman, LJ (2015). Frühkindliche IQ-Verläufe von Erwachsenen mit Schizophrenie und affektiven Psychosen in den New England Family Studies. Schizophrenia Bulletin, 41, 817–823. CrossRef  Google Scholar 
  3. Amerikanische Psychiatrische Vereinigung. (1994). Diagnostisches und statistisches Handbuch psychischer Störungen (4. Aufl.), Washington, DC: American Psychiatric Association Press. Google Scholar 
  4. Baddeley, AD, & Hitch, GJ (1974). Arbeitsgedächtnis. In GH Bower (Hrsg.), Die Psychologie des Lernens und der Motivation: Fortschritte in Forschung und Theorie (S. 47–90). New York: Akademische Presse. Google Scholar 
  5. Baune, BT, Miller, R., McAfoose, J., Johnson, M., Quirk, F., & Mitchell, D. (2010). Die Rolle der kognitiven Beeinträchtigung bei der allgemeinen Funktionsfähigkeit bei schweren Depressionen. Psychiatrieforschung, 176, 183–189. CrossRef  Google Scholar  PubMed 
  6. Bearden, CE, Hoffman, KM, & Cannon, TD (2001). Die Neuropsychologie und Neuroanatomie der bipolaren affektiven Störung: Eine kritische Überprüfung. Bipolare Störungen, 3, 106–150. CrossRef  Google Scholar  PubMed 
  7. Bearden, CE, Glahn, DC, Monkul, ES, Barrett, J., Najt, PN, Villarreal, V., & Soares, JC (2006). Muster der Gedächtnisstörung bei bipolarer Störung und unipolarer Major Depression. Psychiatrieforschung, 142, 139–150. CrossRef  Google Scholar  PubMed 
  8. Belanoff, JK, Kalehzan, M., Sund, B., Fleming Ficek, SK, & Schatzberg, AF (2001). Cortisol-Aktivität und kognitive Veränderungen bei psychotischen Depressionen. Amerikanische Zeitschrift für Psychiatrie, 158, 1612–1616. CrossRef  Google Scholar 
  9. Berrettini, WH (2000). Sind schizophrene und bipolare Störungen verwandt? Eine Überprüfung der Familie und molekulare Studien. Biologische Psychiatrie, 48, 531–538. CrossRef  Google Scholar 
  10. Bora, E., Yücel, M., & Pantelis, C. (2009). Kognitive Endophänotypen der bipolaren Störung: Eine Metaanalyse neuropsychologischer Defizite bei euthymischen Patienten und ihren Verwandten ersten Grades. Zeitschrift für affektive Störungen, 113, 1–20. CrossRef  Google Scholar  PubMed 
  11. Bora, E., Yücel, M., & Pantelis, C. (2010). Kognitive Beeinträchtigung bei affektiven Psychosen: Eine Metaanalyse. Schizophrenia Bulletin, 36, 112–125. CrossRef  Google Scholar  PubMed 
  12. Bora, E., Lin, A., Wood, SJ, Yung, AR, McGorry, PD, & Pantelis, C. (2014). Kognitive Defizite bei Jugendlichen mit familiärem und klinischem hohem Psychoserisiko: Eine systematische Überprüfung und Metaanalyse. Acta Psychiatrica Scandinavica, 130, 1–15. CrossRef  Google Scholar  PubMed 
  13. Burdick, KE, Goldberg, JF, Harrow, M., Faull, RN, & Malhotra, AK (2006). Neurokognition als stabiler Endophänotyp bei bipolarer Störung und Schizophrenie. Journal of Nervous and Mental Disease, 194, 255–260. CrossRef  Google Scholar 
  14. Burdick, KE, Gunawardane, N., Woodberry, K., & Malhotra, AK (2009). Die Rolle der allgemeinen Intelligenz als intermediärer Phänotyp für neuropsychiatrische Störungen. Kognitive Neuropsychiatrie, 14, 299–311. CrossRef  Google Scholar  PubMed 
  15. Burdick, KE, Goldberg, TE, Cornblatt, BA, Keefe, RS, Gopin, CB, DeRosse, P., & Malhotra, AK (2011). Die MATRICS Consensus Cognitive Battery bei Patienten mit Bipolar-I-Störung. Neuropsychopharmacology, 36, 1587–1592. CrossRef  Google Scholar 
  16. Burdick, KE, Russo, M., Frangou, S., Mahon, K., Braga, RJ, Shanahan, M., & Malhotra, AK (2014). Empirische Beweise für diskrete neurokognitive Untergruppen bei bipolarer Störung: Klinische Implikationen. Psychologische Medizin, 44, 3083–3096. CrossRef  Google Scholar  PubMed 
  17. Cahill, CM, Green, MJ, Jairam, R., & Malhi, GS (2007). Bleiben kognitive Defizite bei juveniler bipolarer Störung bis ins Erwachsenenalter bestehen? Journal of Nervous and Mental Disease, 195, 891–896. CrossRef  Google Scholar  PubMed 
  18. Chapman, LJ, & Chapman, JP (1978). Die Messung des differentiellen Defizits. Zeitschrift für Psychiatrische Forschung, 14, 303–311. CrossRef  Google Scholar 
  19. Chapman, LJ, Chapman, JP, & Raulin, ML (1976). Skalen für körperliche und soziale Anhedonie. Journal of Abnormal Psychology, 85, 374–382. CrossRef  Google Scholar  PubMed 
  20. Chapman, LJ, Chapman, JP, & Raulin, ML (1978). Wahrnehmungsaberration bei Schizophrenie. Journal of Abnormal Psychology, 87, 399–407. CrossRef  Google Scholar 
  21. Cohen, JD, Barch, DM, Carter, C., & Servan-Schreiber, D. (1999). Kontextverarbeitungsdefizite bei Schizophrenie: Konvergierende Beweise aus drei theoretisch motivierten kognitiven Aufgaben. Journal of Abnormal Psychology, 108, 120–133. CrossRef  Google Scholar 
  22. Cornblatt, B., Risch, NJ, Faris, G., Friedman, D., & Erlenmeyer-Kimling, L. (1988). The Continuous Performance Test, Version mit identischen Paaren (CPT-IP): I. Neue Erkenntnisse über anhaltende Aufmerksamkeit in normalen Familien. Psychiatry Research, 26, 223–238. CrossRef  Google Scholar  PubMed 
  23. Craddock, N., O'Donovan, MC, & Owen, MJ (2006). Gene für Schizophrenie und bipolare Störung? Implikationen für die psychiatrische Nosologie. Schizophrenia Bulletin, 32, 9–16. CrossRef  Google Scholar 
  24. Cross-Disorder Group des Psychiatric GWAS Consortium. (2013). Identifizierung von Risikoloci mit gemeinsamen Auswirkungen auf fünf große psychiatrische Erkrankungen: Eine genomweite Analyse. Die Lanzette, 381, 1371–1379. CrossRef  Google Scholar  PubMed 
  25. Dean, K., Stevens, H., Mortensen, PB, Murray, RM, Walsh, E., & Pedersen, CB (2010). Volles Spektrum psychiatrischer Folgen bei Nachkommen mit elterlicher Vorgeschichte von psychischen Störungen. Archiv der Allgemeinen Psychiatrie, 67, 822–829. CrossRef  Google Scholar  PubMed 
  26. Dennis, M., Francis, DJ, Cirino, PT, Schachar, R., Barnes, MA, & Fletcher, JA (2009). Warum der IQ keine Kovariate in kognitiven Studien zu neurologischen Entwicklungsstörungen ist. Zeitschrift der Internationalen Neuropsychologischen Gesellschaft, 15, 331–343. CrossRef  Google Scholar 
  27. Derogatis, LR (1993). Symptom-Checkliste-90-R (SCL-90R). Minneapolis, Minnesota: Nationale Computersysteme. Google Scholar 
  28. Dickstein, DP, Treland, JE, Snow, J., McClure, EB, Mehta, MS, Towbin, KE, & Leibenluft, E. (2004). Neuropsychologische Leistung bei pädiatrischer bipolarer Störung. Biologische Psychiatrie, 55, 32–39. CrossRef  Google Scholar 
  29. Diwadkar, VA, Goradia, D., Hosanagar, A., Mermon, D., Montrose, DM, Birmaher, B., & Keshavan, MS (2011). Arbeitsgedächtnis- und Aufmerksamkeitsdefizite bei jugendlichen Nachkommen von Schizophrenie- oder bipolaren Patienten: Vergleich von Vulnerabilitätsmarkern. Fortschritte in der Neuropsychopharmakologie und biologischen Psychiatrie, 35, 1349–1354. CrossRef  Google Scholar 
  30. Doyle, AE, Wilens, TE, Kwon, A., Seidman, LJ, Faraone, SV, Fried, R., & Biederman, J. (2005). Neuropsychologisches Funktionieren bei Jugendlichen mit bipolarer Störung. Biologische Psychiatrie, 58, 540–548. CrossRef  Google Scholar  PubMed 
  31. Doyle, AE, Wozniak, J., Wilens, TE, Henin, A., Seidman, LJ, Petty, C., & Biederman, J. (2009). Neurokognitive Beeinträchtigung bei nicht betroffenen Geschwistern von Jugendlichen mit bipolarer Störung. Psychologische Medizin, 39, 1253–1263. CrossRef  Google Scholar 
  32. Eckblad, M. & Chapman, LJ (1983). Magische Vorstellung als Indikator für Schizotypie. Zeitschrift für Beratung und klinische Psychologie, 51, 215–255. CrossRef  Google Scholar  PubMed 
  33. Erlenmeyer-Kimling, L., Cornblatt, BA, Rock, D., Roberts, S., Bell, M., & West, A. (1993). Das New York High-Risk Project: Anhedonie, Aufmerksamkeitsabweichung und Psychopathologie. Schizophrenia Bulletin, 19, 141–153. CrossRef  Google Scholar  PubMed 
  34. Erlenmeyer-Kimling, L., Rock, D., Roberts, SA, Janal, M., Kestenbaum, C., Cornblatt, B., & Gottesman, II (2000). Aufmerksamkeit, Gedächtnis und motorische Fähigkeiten als Prädiktoren für schizophreniebedingte Psychosen in der Kindheit: The New York High-Risk Project. Amerikanische Zeitschrift für Psychiatrie, 157, 1416–1422. CrossRef  Google Scholar  PubMed 
  35. Ettinger, U., Mohr, C., Gooding, DC, Cohen, AS, Rapp, A., Haenschel, C., & Park, S. (2015). Kognition und Gehirnfunktion bei Schizotypie: Eine selektive Überprüfung. Schizophrenia Bulletin, 41 (Suppl. 2), S417–S426. CrossRef  Google Scholar 
  36. Faraone, SV, Seidman, LJ, Kremen, WS, Pepple, JR, Lyons, MJ, & Tsuang, MT (1995). Neuropsychologisches Funktionieren bei den nichtpsychotischen Angehörigen schizophrener Patienten: Eine diagnostische Effizienzanalyse. Journal of Abnormal Psychology, 104, 286–304. CrossRef  Google Scholar  PubMed 
  37. Ferrier, IN, Stanton, BR, Kelly, TP, & Scott, J. (1999). Neuropsychologische Funktion bei euthymischen Patienten mit bipolarer Störung. Das Britische Journal für Psychiatrie, 175, 246–251. CrossRef  Google Scholar  PubMed 
  38. Fleming, SK, Blasey, C. & Schatzberg, AF (2004). Neuropsychologische Korrelate psychotischer Merkmale bei schweren depressiven Störungen: Eine Überprüfung und Metaanalyse. Zeitschrift für psychiatrische Forschung, 38, 27–35. CrossRef  Google Scholar  PubMed 
  39. Fusar-Poli, P., Deste, G., Smieskova, R., Barlati, G., Yung, AR, Howes, O., & Borgwardt, S. (2012). Kognitive Funktion bei prodromaler Psychose: Eine Metaanalyse. Archiv der Allgemeinen Psychiatrie, 69, 1–10. CrossRef  Google Scholar  PubMed 
  40. Geller, B., Zimmermann, B., Williams, M., & Frazier, J. (1994). WASH-UKSADS: Washington University at St. Louis Kiddie and Young Adult Schedule for Affective Disorders and Schizophrenia – Lifetime and Present Episode Version for DSM-IV. St. Louis, MO: Medizinische Fakultät der Washington University. Google Scholar 
  41. Gitlin, MJ, Swendsen, J., Heller, TL, & Hammen, C. (1995). Rückfall und Beeinträchtigung bei bipolarer Störung. Amerikanische Zeitschrift für Psychiatrie, 152, 635–640. Google Scholar  PubMed 
  42. Giuliano, AJ, Li, H., Mesholam-Gately, RI, Sorenson, SM, Woodberry, KA, & Seidman, LJ (2012). Neurokognition beim Psychose-Risiko-Syndrom: Eine quantitative und qualitative Überprüfung. Current Pharmaceutical Design, 18, 399–415. CrossRef  Google Scholar  PubMed 
  43. Glahn, DC, Bearden, CE, Barguil, M., Barrett, J., Reichenberg, A., Bowden, CL, & Velligan, DI (2007). Die neurokognitive Signatur der psychotischen bipolaren Störung. Biologische Psychiatrie, 62, 910–916. CrossRef  Google Scholar  PubMed 
  44. Glatt, SJ, Stone, WS, Faraone, SV, Seidman, LJ, & Tsuang, MT (2006). Psychopathologie, Persönlichkeitsmerkmale und soziale Entwicklung junger Verwandter ersten Grades von Schizophreniepatienten. Britisches Journal für Psychiatrie, 189, 337–345. CrossRef  Google Scholar 
  45. Goldman-Rakic, PS (1991). Präfrontale kortikale Dysfunktion bei Schizophrenie: Die Relevanz des Arbeitsgedächtnisses. In BJ Carroll & JE Barnett (Hrsg.), Psychopathology and the brain (S. 1–23). New York, NY: Rabenpresse. Google Scholar 
  46. Goldstein, JM, Buka, SL, Seidman, LJ, & Tsuang, MT (2010). Spezifität der familiären Übertragung des Schizophrenie-Psychose-Spektrums und affektiver Psychosen im Hochrisiko-Design der New England-Familienstudie. Archiv der Allgemeinen Psychiatrie, 67, 458–467. CrossRef  Google Scholar 
  47. Gooding, DC, Matts, CW, & Rollmann, EA (2006). Anhaltende Aufmerksamkeitsdefizite in Bezug auf psychometrisch identifizierte Schizotypie: Bewertung eines potenziellen endophänotypischen Markers. Schizophrenia Research, 82, 27–37. CrossRef  Google Scholar 
  48. Gruber, SA, Rosso, IM, & Yurgelun-Todd, D. (2008). Die neuropsychologische Leistung sagt die klinische Genesung bei bipolaren Patienten voraus. Zeitschrift für affektive Störungen, 105, 253–260. CrossRef  Google Scholar 
  49. Gur, RE, Calkins, ME, Gur, RC, Horan, WP, Nuechterlein, KH, Seidman, LJ, & Stone, WS (2007). Das Konsortium zur Genetik der Schizophrenie: Neurokognitive Endophänotypen. Schizophrenia Bulletin, 33, 49–68. CrossRef  Google Scholar 
  50. Heinrichs, R. & Zakzanis, K. (1998). Neurokognitives Defizit bei Schizophrenie: Eine quantitative Überprüfung der Beweise. Neuropsychologie, 12, 426–445. CrossRef  Google Scholar 
  51. Hill, SK, Reilly, JL, Keefe, RSE, Gold, JM, Bishop, JR, Gershon, ES, & Sweeney, JA (2013). Neuropsychologische Beeinträchtigungen bei Schizophrenie und psychotischer bipolarer Störung: Ergebnisse der Studie des Bipolar-Schizophrenia Network on Intermediate Phenotypes (B-SNIP). Amerikanische Zeitschrift für Psychiatrie, 170, 1275–1284. CrossRef  Google Scholar 
  52. Hollingshead, AB (1975). Vier-Faktoren-Index des sozialen Status. New Haven, Connecticut: Institut für Soziologie der Yale University. Google Scholar 
  53. Huang, S., Seidman, LJ, Rossi, S., & Ahveninen, J. (2013). Ausgeprägte kortikale Netzwerke, die durch auditive Aufmerksamkeit und Belastung des Arbeitsgedächtnisses aktiviert werden. Neuroimage, 83, 1098–1108. CrossRef  Google Scholar  PubMed 
  54. Ivleva, EI, Bidesi, AS, Keshavan, MS, Pearlson, GD, Meda, SA, Dodig, D., & Tamminga, CA (2013). Das Volumen der grauen Substanz als intermediärer Phänotyp für Psychosen: Bipolar-Schizophrenia Network on Intermediate Phenotypes (B-SNIP). Amerikanische Zeitschrift für Psychiatrie, 170, 1285–1296. CrossRef  Google Scholar 
  55. Keefe, RSE, Perkins, DO, Gu, H., Zipursky, RB, Christensen, BK, & Lieberman, JA (2006). Eine Längsschnittstudie der neurokognitiven Funktion bei Personen mit einem Risiko für Psychosen. Schizophrenia Research, 88, 26–35. CrossRef  Google Scholar 
  56. Keshavan, MS, Morris, DW, Sweeney, JA, Pearlson, G., Thaker, G., Seidman, LJ, & Tamminga, C. (2011). Eine dimensionale Annäherung an das Psychose-Spektrum zwischen bipolarer Störung und Schizophrenie: Die Schizo-Bipolar-Skala. Schizophrenieforschung, 133, 250–254. CrossRef  Google Scholar  PubMed 
  57. Kraepelin, E. (1919). Dementia praecox und Paraphrenie. Edinburgh, Schottland: E. & S. Livingstone. Google Scholar 
  58. Kremen, WS, Seidman, LJ, Faraone, SV, Pepple, JR, Lyons, MJ, & Tsuang, MT (1995). Die „3 Rs“ und die neuropsychologische Funktion bei Schizophrenie: Ein Test des übereinstimmenden Irrtums bei biologischen Verwandten. Psychiatry Research, 56, 135–143. CrossRef  Google Scholar 
  59. Kremen, WS, Seidman, LJ, Faraone, SV, Toomey, R., & Tsuang, MT (2000). Das Paradox der normalen neuropsychologischen Funktion bei Schizophrenie. Journal of Abnormal Psychology, 109, 743–752. CrossRef  Google Scholar 
  60. Kremen, WS, Seidman, LJ, Faraone, SV, Toomey, R., & Tsuang, MT (2004). Heterogenität der Schizophrenie: Eine Untersuchung individueller neuropsychologischer Profile. Schizophrenia Research, 71, 307–314. CrossRef  Google Scholar  PubMed 
  61. Lewandowski, KE, Cohen, BM, & Ongur, D. (2011). Evolution der neuropsychologischen Dysfunktion im Verlauf von Schizophrenie und bipolarer Störung. Psychologische Medizin, 41, 225–241. CrossRef  Google Scholar 
  62. Maalouf, FT, Klein, C., Clark, L., Sahakian, BJ, Labarbara, EJ, Versace, A., & Hassel, S., Almeida, JR, & Phillips, ML (2010). Beeinträchtigte anhaltende Aufmerksamkeit und exekutive Dysfunktion: Bipolare Störung im Vergleich zu depressionsspezifischen Markern affektiver Störungen. Neuropsychologia, 48, 1862–1868. CrossRef  Google Scholar  PubMed 
  63. Maxwell, M. (1996). Familieninstrument für genetische Studien (FIGS). NIMH: Abteilung für klinische Neurogenetik, intramurales Forschungsprogramm. Google Scholar 
  64. Mayer, W., Zobel, A., & Wagner, M. (2007). Schizophrenie und bipolare Störung: Unterschiede und Überschneidungen. Aktuelle Meinung in der Psychiatrie, 20, 417–432. Google Scholar 
  65. Maziade, M., Rouleau, N., Gingras, N., Boutin, P., Paradis, M., Jomphe, V., & Roy, M. (2009). Gemeinsame neurokognitive Dysfunktionen bei jungen Nachkommen mit extremem Risiko für Schizophrenie oder bipolare Störung in Mehrgenerationenfamilien in Ost-Quebec. Schizophrenia Bulletin, 35, 919–930. CrossRef  Google Scholar  PubMed 
  66. McIntosh, AM, Job, DE, Moorhead, WJ, Harrison, LK, Whalley, HC, Johnstone, EC, & Lawrie, SM (2006). Genetische Anfälligkeit für Schizophrenie oder bipolare Störung und ihre Beziehung zur Gehirnstruktur. American Journal of Medical Genetics B: Neuropsychiatrische Genetik, 141, 76–83. CrossRef  Google Scholar 
  67. Mehl, PE (1970). Störvariablen und das Ex-post-facto-Design. In M. Radner & S. Winokur (Hrsg.), Minnesota Studies in the Philosophy of Science (S. 373–402). Minneapolis: Presse der Universität von Minnesota. Google Scholar 
  68. Mesholam-Gately, R., Giuliano, AJ, Faraone, SV, Goff, KP, & Seidman, LJ (2009). Neurokognition bei Schizophrenie der ersten Episode: Eine metaanalytische Überprüfung. Neuropsychologie, 23, 315–336. CrossRef  Google Scholar  PubMed 
  69. Michel, C., Ruhrmann, S., Schimmelmann, BG, Klosterkotter, J., & Schulze-Lutter, F. (2014). Ein stratifiziertes Modell zur Vorhersage von Psychosen in der klinischen Praxis. Schizophrenia Bulletin, 40, 1533–1542. CrossRef  Google Scholar  PubMed 
  70. Murrough, JW, Iacoviello, B., Neumeister, A., Charney, DS, & Iosifescu, DV (2011). Kognitive Dysfunktion bei Depression: Neuroschaltkreise und neue therapeutische Strategien. Neurobiology of Learning and Memory, 96, 553–563. CrossRef  Google Scholar  PubMed 
  71. Murray, RM, Sham, P., van Os, J., Zanelli, J., Cannon, M., & McDonald, C. (2004). Ein Entwicklungsmodell für Ähnlichkeiten und Unterschiede zwischen Schizophrenie und bipolarer Störung. Schizophrenia Research, 71, 405–416. CrossRef  Google Scholar  PubMed 
  72. Nürnberger, JI, Blehar, MC, Kaufmann, CA, York-Cooler, C., Simpson, SG, Harkavy Friedman, J., & Kirch, D. (1994). Diagnostisches Interview für genetische Studien (DIGS): Begründung, Alleinstellungsmerkmale und Schulung. Archiv der Allgemeinen Psychiatrie, 51, 849–859. CrossRef  Google Scholar 
  73. Park, S., Holzman, PS, & Goldman-Rakic, PS (1995). Defizite des räumlichen Arbeitsgedächtnisses bei Angehörigen schizophrener Patienten. Archiv der Allgemeinen Psychiatrie, 52, 821–828. CrossRef  Google Scholar  PubMed 
  74. Park, S., & Gooding, DC (2014). Beeinträchtigung des Arbeitsgedächtnisses als endophänotypischer Marker einer schizophrenen Diathese. Schizophrenieforschung: Kognition, 1, 127–136. CrossRef  Google Scholar  PubMed 
  75. Phillips, LK, & Seidman, LJ (2008). Emotionsverarbeitung bei schizophreniegefährdeten Personen. Schizophrenia Bulletin, 34, 888–903. CrossRef  Google Scholar 
  76. Pousada-Casal, A. (2010). Studie über Problemlösung und Arbeitsgedächtnis bei Patienten mit bipolarer Störung bei Euthymie. Madrid: Universität Complutense von Madrid. Google Scholar 
  77. Rasic, D., Hajek, T., Alda, A., & Uher, R. (2014). Risiko einer psychischen Erkrankung bei Nachkommen von Eltern mit Schizophrenie, bipolarer Störung und schwerer depressiver Störung: Eine Metaanalyse von Hochrisikostudien für Familien. Schizophrenia Bulletin, 40, 28–38. CrossRef  Google Scholar 
  78. Reichenberg, A., Harvey, PD, Bowie, CR, Mojtabai, R., Rabinowitz, J., Heaton, RK, & Bromet, E. (2009). Neuropsychologische Funktion und Dysfunktion bei Schizophrenie und psychotisch affektiven Störungen. Schizophrenia Bulletin, 35, 1022–1029. CrossRef  Google Scholar  PubMed 
  79. Reichenberg, A., Caspi, A., Harrington, H., Houts, R., Keefe, RSE, Murray, RM, & Moffitt, TE (2010). Statische und dynamische kognitive Defizite in der Kindheit vor Schizophrenie im Erwachsenenalter: Eine 30-jährige Studie. Amerikanische Zeitschrift für Psychiatrie, 167, 160–169. CrossRef  Google Scholar  PubMed 
  80. Riecher-Rossler, A., Pflueger, MO, Aston, J., Borgwardt, SJ, Brewer, WJ, Gschwandtner, U., & Stieglitz, R.-D. (2009). Wirksamkeit der Verwendung des kognitiven Status bei der Vorhersage einer Psychose: Eine 7-Jahres-Follow-up. Biologische Psychiatrie, 66, 1023–1030. CrossRef  Google Scholar  PubMed 
  81. Rosso, IM, Makris, N., Thermenos, HW, Hodge, SM, Brown, A., Kennedy, D., & Seidman, LJ (2010). Regionales Volumen der grauen Substanz des präfrontalen Kortex bei Jugendlichen mit familiärem Risiko für Schizophrenie aus der Harvard Adolescent High Risk Study. Schizophrenieforschung, 123, 15–21. CrossRef  Google Scholar  PubMed 
  82. Rosvold, HE, Mirsky, AF, Sarason, I., Bransome, ED, & Beck, LH (1956). Ein kontinuierlicher Leistungstest von Hirnschäden. Zeitschrift für Beratungspsychologie, 20, 343–350. CrossRef  Google Scholar 
  83. Sánchez-Morla, EM, Barabash, A., Martínez-Vizcaíno, V., Tabarés-Seisdedos, R., Balanzá-Martínez, V., Cabranes-Díaz, JA, & Gómez, JL (2009). Vergleichende Studie der neurokognitiven Funktion bei euthymischen bipolaren Patienten und stabilisierten schizophrenen Patienten. Psychiatrieforschung, 169, 220–228. CrossRef  Google Scholar  PubMed 
  84. Scala, S., Pousada, A., Stone, WS, Thermenos, HW, Manschreck, TC, Tsuang, MT, & Seidman, LJ (2013). Beeinträchtigung des verbalen und visuell-räumlichen Gedächtnisses bei Jugendlichen mit familiärem hohem Risiko für Schizophrenie oder affektive Psychose: Eine Pilotstudie. Schizophrenieforschung, 144, 122–128. CrossRef  Google Scholar  PubMed 
  85. Schatzberg, AF, Posener, JA, DeBattista, C., Kalehzan, BM, Rothschild, AJ, & Shear, PK (2000). Neuropsychologische Defizite bei psychotischer versus nichtpsychotischer Major Depression und keiner psychischen Erkrankung. Amerikanische Zeitschrift für Psychiatrie, 157, 1095–1100. CrossRef  Google Scholar 
  86. Schouws, SN, Zoeteman, JB, Comijs, HC, Stek, ML, & Beekman, AT (2007). Kognitive Funktion bei älteren Patienten mit früh einsetzender bipolarer Störung. Internationale Zeitschrift für Geriatrische Psychiatrie, 22, 856–861. CrossRef  Google Scholar  PubMed 
  87. Schubert, EW, & McNeil, TF (2005). Neuropsychologische Beeinträchtigung und ihre neurologischen Korrelate bei erwachsenen Nachkommen mit erhöhtem Risiko für Schizophrenie und affektive Psychosen. Amerikanische Zeitschrift für Psychiatrie, 162, 758–766. CrossRef  Google Scholar 
  88. Schubert, EW, & McNeil, TF (2007). Neuroverhaltensdefizite bei jungen erwachsenen Nachkommen mit erhöhtem Risiko für Psychosen, die eine Schizophrenie-Spektrum-Störung entwickelten. Schizophrenia Research, 94, 107–113. CrossRef  Google Scholar  PubMed 
  89. Seidman, LJ, Breiter, H., Goodman, JM, Goldstein, JM, Woodruff, P., O'Craven, K., & Rosen, BR (1998). Eine funktionelle Magnetresonanztomographiestudie zur auditiven Wachsamkeit bei niedrigen und hohen Anforderungen an die Informationsverarbeitung. Neuropsychologie, 12, 505–518. CrossRef  Google Scholar  PubMed 
  90. Seidman, LJ, Kremen, WS, Koren, D., Faraone, SV, Goldstein, JM, & Tsuang, MT (2002). Eine vergleichende Profilanalyse der neuropsychologischen Funktionsfähigkeit bei Patienten mit Schizophrenie und bipolaren Psychosen. Schizophrenieforschung, 53, 31–44. CrossRef  Google Scholar  PubMed 
  91. Seidman, LJ, Giuliano, AJ, Smith, CW, Stone, WS, Glatt, SJ, Meyer, E., & Cornblatt, B. (2006). Neuropsychologisches Funktionieren bei Jugendlichen und jungen Erwachsenen mit genetischem Risiko für Schizophrenie und affektive Psychosen: Ergebnisse der Harvard- und Hillside-Hochrisikostudien für Jugendliche. Schizophrenia Bulletin, 32, 507–524. CrossRef  Google Scholar 
  92. Seidman, LJ, Thermenos, HW, Koch, JK, Ward, M., Breiter, H., Goldstein, JM, & Tsuang, MT (2007). Belastung des auditiven verbalen Arbeitsgedächtnisses und thalamische Aktivierung bei nicht-psychotischen Verwandten von Personen mit Schizophrenie: Eine FMRI-Replikation. Neuropsychology, 21, 599–610. CrossRef  Google Scholar 
  93. Seidman, LJ, Giuliano, AJ, Meyer, EC, Addington, J., Cadenhead, KS, Cannon, TD, & Cornblatt, B. (2010). Neuropsychologie des Prodroms zur Psychose im NAPLS-Konsortium: Beziehung zur Familiengeschichte und Konversion zur Psychose. Archiv Allgemeine Psychiatrie, 67, 578–588. CrossRef  Google Scholar  PubMed 
  94. Seidman, LJ, Meyer, E., Giuliano, AJ, Breiter, H., Goldstein, JM, Kremen, WS, & Faraone, SV (2012). Beeinträchtigungen des auditiven Arbeitsgedächtnisses bei Personen mit familiär hohem Risiko für Schizophrenie. Neuropsychologie, 26, 288–303. CrossRef  Google Scholar  PubMed 
  95. Seidman, LJ, Cherkerzian, S., Goldstein, JM, Agnew-Blais, J., Tsuang, MT, & Buka, SL (2013). Neuropsychologische Leistung und Familienanamnese bei Kindern im Alter von 7 Jahren, die in der New England High-Risk Family Study eine erwachsene Schizophrenie oder bipolare Psychose entwickeln. Psychologische Medizin, 43, 119–131. CrossRef  Google Scholar  PubMed 
  96. Sitskoorn, M., Aleman, A., Ebisch, S., Appels, M., & Kahn, R. (2004). Kognitive Defizite bei Angehörigen von Patienten mit Schizophrenie: Eine Meta-Analyse. Schizophrenia Research, 71, 285–295. CrossRef  Google Scholar  PubMed 
  97. Snitz, BE, Macdonald, AW III, & Carter, CS (2006). Kognitive Defizite bei nicht betroffenen Verwandten ersten Grades von Schizophreniepatienten: Eine metaanalytische Überprüfung mutmaßlicher Endophänotypen. Schizophrenia Bulletin, 32, 179–194. CrossRef  Google Scholar  PubMed 
  98. Sperry, SH, O'Connor, LK, Ongur, D., Cohen, BM, Keshavan, MS, & Lewandowski, KE (2015). Kognitionsmessung bei bipolarer Störung mit Psychose mit der MATRICS Consensus Cognitive Battery. Zeitschrift der Internationalen Neuropsychologischen Gesellschaft, 21, 468–472. CrossRef  Google Scholar  PubMed 
  99. Frühling, B. (1985). Ablenkbarkeit als Marker für die Anfälligkeit für Schizophrenie. Psychopharmacology Bulletin, 21, 509–512. Google Scholar 
  100. Thermenos, HW, Seidman, LJ, Breiter, H., Goldstein, JM, Goodman, JM, Poldrack, R., & Tsuang, MT (2004). Funktionelle MRT während des auditiven verbalen Arbeitsgedächtnisses bei nicht-psychotischen Verwandten von Personen mit Schizophrenie: Eine Pilotstudie. Biologische Psychiatrie, 55, 490–500. CrossRef  Google Scholar 
  101. Tohen, M., Hennen, J., Zarate, CM Jr., Baldessarini, RJ, Strakowski, SM, Stoll, AL, & Cohen, BM (2000). Zweijährige syndromale und funktionelle Erholung in 219 Fällen von schweren affektiven Störungen der ersten Episode mit psychotischen Merkmalen. Amerikanische Zeitschrift für Psychiatrie, 157, 220–228. CrossRef  Google Scholar  PubMed 
  102. Trandafir, A., Meary, A., Schurhoff, F., Leboyer, M., & Szoke, A. (2006). Gedächtnistests bei erwachsenen Verwandten ersten Grades von schizophrenen Patienten: Eine Metaanalyse. Schizophrenia Research, 81, 217–226. CrossRef  Google Scholar  PubMed 
  103. Van Gorp, WG, Altshuler, L., Theberge, DC, Wilkins, J., & Dixon, W. (1988). Kognitive Beeinträchtigung bei euthymischen bipolaren Patienten mit und ohne vorherige Alkoholabhängigkeit: Eine vorläufige Studie. Archiv der Allgemeinen Psychiatrie, 55, 41–46. CrossRef  Google Scholar  PubMed 
  104. Wechsler, D. (1991). Handbuch für die Wechsler-Intelligenzskala für Kinder (3. Aufl.), San Antonio, TX: The Psychological Corporation. Google Scholar 
  105. Wechsler, D. (1997). Wechsler Adult Intelligence Scale (3. Aufl.), San Antonio, TX: The Psychological Corporation. Google Scholar 
  106. Wilkinson, G. (1993). Wide Range Achievement Test, Administration Manual ((3rd ed.), Wilmington, DE: Wide Range, Inc. Google Scholar 
  107. Woodberry, K., Giuliano, AJ, & Seidman, LJ (2008). Prämorbider IQ bei Schizophrenie: Eine metaanalytische Überprüfung. Amerikanische Zeitschrift für Psychiatrie, 165, 579–587. CrossRef  Google Scholar  PubMed 
  108. Zhang, R., Picchioni, M., Allen, A., & Toulopoulou, T. (2016). Arbeitsgedächtnis bei nicht betroffenen Verwandten von Patienten mit Schizophrenie: Eine Metaanalyse von Studien zur funktionellen Magnetresonanztomographie. Schizophrenia Bulletin doi:10.1093/schbul/sbv221 [Epub vor dem Druck]. CrossRef  Google Scholar  PubMed 
Die intraindividuelle kognitive Variabilität im mittleren Alter sagt eine kognitive Beeinträchtigung 8–10 Jahre später voraus: Ergebnisse des Wisconsin-Registers zur Alzheimer-Prävention
Autor (en)
  • Rebecca L. Koscik | Wisconsin Alzheimer's Institute, University of Wisconsin School of Medicine and Public Health, Madison, Wisconsin
  • Sara E. Bermann | Alzheimer's Disease Research Center, University of Wisconsin School of Medicine and Public Health, Madison, Wisconsin
  • Lindsay R. Clark | Wisconsin Alzheimer's Institute, University of Wisconsin School of Medicine and Public Health, Madison, Wisconsin, Alzheimer's Disease Research Center, University of Wisconsin School of Medicine and Public Health, Madison, Wisconsin
  • Kimberly D. Mueller | Wisconsin Alzheimer's Institute, University of Wisconsin School of Medicine and Public Health, Madison, Wisconsin
  • Ozioma C. Okonkwo | Wisconsin Alzheimer's Institute, University of Wisconsin School of Medicine and Public Health, Madison, Wisconsin
  • Carey E. Gleason | Wisconsin Alzheimer's Institute, University of Wisconsin School of Medicine and Public Health, Madison, Wisconsin, Alzheimer's Disease Research Center, University of Wisconsin School of Medicine and Public Health, Madison, Wisconsin, Geriatric Research Education and Clinical Center, Wm. S. Middleton Veterans Hospital, Madison, Wisconsin
  • Bruce S. Hermann | Wisconsin Alzheimer's Institute, University of Wisconsin School of Medicine and Public Health, Madison, Wisconsin, Abteilung für Neurologie, University of Wisconsin School of Medicine and Public Health, Madison, Wisconsin
  • Mark A. Sager | Wisconsin Alzheimer's Institute, University of Wisconsin School of Medicine and Public Health, Madison, Wisconsin
  • Sterling C.Johnson | Wisconsin Alzheimer's Institute, University of Wisconsin School of Medicine and Public Health, Madison, Wisconsin, Alzheimer's Disease Research Center, University of Wisconsin School of Medicine and Public Health, Madison, Wisconsin, Geriatric Research Education and Clinical Center, Wm. S. Middleton Veterans Hospital, Madison, Wisconsin

Korrespondenz
E-Mail-Adresse | rekoscik@wisc.edu

Angaben
Die Autoren geben an, dass keine Interessenkonflikte bestehen.

Abstrakt
Lernziele:

Es wurde gezeigt, dass die intraindividuelle kognitive Variabilität (IICV) zwischen Gruppen mit normaler Kognition, leichter kognitiver Beeinträchtigung (MCI) und Demenz unterscheidet. Diese Studie untersuchte, ob der IICV-Ausgangswert eine spätere leichte bis mittelschwere kognitive Beeinträchtigung in einer kognitiv normalen Ausgangsstichprobe vorhersagte.

Methoden:

Teilnehmer mit 4 kognitiven Bewertungswellen wurden aus dem Wisconsin Registry for Alzheimer's Prevention (WRAP;n=684; 53.6 (6.6) Ausgangsalter; 9.1 (1.0) Jahre Nachbeobachtung; 70 % weiblich; 74.6 % elterliche Geschichte der Alzheimer-Krankheit). Der primäre Endpunkt war der kognitive Status in Welle 4 („kognitiv normal“vs. „beeinträchtigt“) durch Konsensuskonferenz festgelegt; „beeinträchtigt“ umfasste frühe MCI (n=109), klinische MCI (n=11) oder Demenz (n=1). Zu den primären Prädiktoren gehörten zwei IICV-Variablen, die jeweils auf der Standardabweichung einer Reihe von Bewertungen basieren: „6 Factor IICV“ und „4 Test IICV“. Jede IICV-Variable wurde in einer Reihe von logistischen Regressionsmodellen getestet, um zu bestimmen, ob IICV den kognitiven Status vorhersagte. In explorativen Analysen wurden verteilungsbasierte Cutoffs unter Einbeziehung von Gedächtnis-, Exekutivfunktions- und IICV-Mustern verwendet, um eine MCI-Risikovariable zu erstellen und zu testen.

Ergebnisse:

Die Ergebnisse waren für die IICV-Variablen ähnlich: ein höherer IICV war mit einem größeren Risiko einer späteren Beeinträchtigung nach Anpassung der Kovariablen verbunden. Nach Adjustierung für Gedächtnis- und Exekutivfunktionswerte, die zu IICV beitragen, war IICV nicht signifikant. Die MCI-Risikovariable prognostizierte auch das Risiko einer Wertminderung.

Schlussfolgerungen:

Während IICV im mittleren Alter eine spätere Beeinträchtigung vorhersagt, ist es ein schwächerer Risikoindikator als die Werte für das Gedächtnis und die Exekutivfunktion, die zu seiner Berechnung beitragen. Explorative Analysen legen das Potenzial nahe, IICV-Muster in die Risikobewertung im klinischen Umfeld einzubeziehen. (JINS, 2016,22, 1016-1025)

Literaturverzeichnis
  1. Aisen, PS, Petersen, RC, Donohue, MC, Gamst, A., Raman, R., Thomas, RG, & Weiner, MW (2010). Klinischer Kern der Alzheimer-Neuroimaging-Initiative: Fortschritte und Pläne. Alzheimer & Demenz, 6(3), 239–246. http://doi.org/10.1016/j.jalz.2010.03.006CrossRef  Google Scholar 
  2. Albert, MS, DeKosky, ST, Dickson, D., Dubois, B., Feldman, HH, Fox, NC, & Petersen, RC (2011). Die Diagnose einer leichten kognitiven Beeinträchtigung aufgrund der Alzheimer-Krankheit: Empfehlungen der Arbeitsgruppen der National Institute on Aging-Alzheimer's Association zu Diagnoserichtlinien für die Alzheimer-Krankheit. Alzheimer & Demenz, 7(3), 270–279. CrossRef  Google Scholar 
  3. Andersson, C., Lindau, M., Almkvist, O., Engfeldt, P., Johansson, S.-E., & Eriksdotter Jönhagen, M. (2006). Identifizierung von Patienten mit hohem und niedrigem Risiko eines kognitiven Verfalls unter Verwendung des Rey Auditory Verbal Learning Test bei ambulanten Patienten einer Gedächtnisklinik mittleren Alters. Demenz und geriatrische kognitive Störungen, 21(4), 251–259. CrossRef  Google Scholar  PubMed 
  4. Bondi, MW, Edmonds, EC, Jak, AJ, Clark, LR, Delano-Wood, L., McDonald, CR, & Galasko, D. (2014). Neuropsychologische Kriterien für leichte kognitive Beeinträchtigungen verbessern die diagnostische Genauigkeit, Biomarker-Assoziationen und Progressionsraten. Journal of Alzheimer's Disease, 42(1), 275–289. Google Scholar  PubMed 
  5. Clark, LR, Koscik, RL, Nicholas, CR, Okonkwo, OC, Engelman, CD, Bratzke, LC, & Johnson, SC (2016). Leichte kognitive Beeinträchtigung im späten mittleren Alter in der Wisconsin Registry for Alzheimer's Prevention (WRAP)-Studie: Prävalenz und Merkmale unter Verwendung robuster und standardmäßiger neuropsychologischer normativer Daten. [Epub vor dem Druck]. Google Scholar 
  6. Cohen, J. (1992). Ein Powerprimer. Psychological Bulletin, 112(1), 155. CrossRef  Google Scholar  PubMed 
  7. Dowling, NM, Hermann, B., La Rue, A., & Sager, MA (2010). Latente Struktur und faktorielle Invarianz einer neuropsychologischen Testbatterie zur Untersuchung der präklinischen Alzheimer-Krankheit. Neuropsychology, 24(6), 742–756. http://doi.org/10.1037/a0020176CrossRef  Google Scholar  PubMed 
  8. Drebing, CE, Van Gorp, WG, Stuck, AE, Mitrushina, M., & Beck, J. (1994). Früherkennung des kognitiven Rückgangs bei höher kognitiv funktionierenden älteren Erwachsenen: Sensitivität und Spezifität einer neuropsychologischen Screening-Batterie. Neuropsychologie, 8(1), 31. CrossRef  Google Scholar 
  9. Duara, R., Loewenstein, DA, Greig, MT, Potter, E., Barker, W., Raj, A., & Potter, H. (2011). Pre-MCI und MCI: Neuropsychologische, klinische und bildgebende Merkmale und Progressionsraten. Das American Journal of Geriatric Psychiatry, 19(11), 951–960. http://doi.org/10.1097/JGP.0b013e3182107c69 CrossRef  Google Scholar 
  10. Grice, JW (2001). Faktorwerte berechnen und auswerten. Psychologische Methoden, 6(4), 430. CrossRef  Google Scholar  PubMed 
  11. Heaton, R., Miller, S., Taylor, JR, & Grant, I. (2004). Umfassende Normen für eine erweiterte Halstead-Reitan-Batterie: Demographisch angepasste neuropsychologische Normen für afroamerikanische und kaukasische Erwachsene (HRB). Professionelles Handbuch. Lutz, FL: Psychological Assessment Resources Inc.. Google Scholar 
  12. Hilborn, JV, Strauss, E., Hultsch, DF, & Hunter, MA (2009). Intraindividuelle Variabilität über kognitive Domänen hinweg: Untersuchung von Streuungsniveaus und Leistungsprofilen bei älteren Erwachsenen. Zeitschrift für klinische und experimentelle Neuropsychologie, 31 (4), 412–424. CrossRef  Google Scholar  PubMed 
  13. Holtzer, R., Verghese, J., Wang, C., Hall, CB., & Lipton, RB. (2008). Innerpersonliche neuropsychologische Testvariabilität und Vorfall-Demenz. JAMA, 300(7), 823–830. http://doi.org/10.1001/jama.300.7.823CrossRef  Google Scholar  PubMed 
  14. Imtiaz, B., Tolppanen, A.-M., Kivipelto, M., & Soininen, H. (2014). Zukünftige Richtungen bei der Alzheimer-Krankheit von Risikofaktoren bis zur Prävention. Biochemische Pharmakologie, 88(4), 661–670. CrossRef  Google Scholar  PubMed 
  15. Jessen, F., Wolfsgruber, S., Wiese, B., Bickel, H., Mösch, E., Kaduszkiewicz, H., & Wagner, M. (2014). AD-Demenzrisiko bei später MCI, bei früher MCI und bei subjektiver Gedächtnisstörung. Alzheimer & Demenz, 10(1), 76–83. http://doi.org/10.1016/j.jalz.2012.09.017CrossRef  Google Scholar  PubMed 
  16. Kälin, AM, Pflüger, M., Gietl, AF, Riese, F., Jäncke, L., Nitsch, RM, && Hock, C. (2014). Intraindividuelle Variabilität über kognitive Aufgaben als potenzieller Marker für die prodromale Alzheimer-Krankheit. Frontiers in Aging Neuroscience, 6, 147. CrossRef  Google Scholar  PubMed 
  17. Koepsell, TD, & Monsell, SE (2012). Reversion von leichter kognitiver Beeinträchtigung zu normaler oder nahezu normaler Kognition Risikofaktoren und Prognose. Neurologie, 79(15), 1591–1598. CrossRef  Google Scholar  PubMed 
  18. Koscik, RL, La Rue, A., Jonaitis, EM, Okonkwo, OC, Johnson, SC, Bendlin, BB, & Sager, MA (2014). Auftreten einer leichten kognitiven Beeinträchtigung bei Erwachsenen im späten mittleren Alter im Wisconsin-Register zur Alzheimer-Prävention. Demenz und geriatrische kognitive Störungen, 38(1–2), 16–30. http://doi.org/10.1159/000355682CrossRef  Google Scholar  PubMed 
  19. Lewis, F., Butler, A., & Gilbert, L. (2011). Ein einheitlicher Ansatz zur Modellauswahl unter Verwendung des Likelihood-Quotienten-Tests. Methoden in Ökologie und Evolution, 2(2), 155–162. http://doi.org/10.1111/j.2041-210X.2010.00063.x CrossRef  Google Scholar 
  20. MacDonald, SW, Hultsch, DF, & Dixon, RA (2003). Leistungsvariabilität hängt mit Veränderungen der Kognition zusammen: Beweise aus der Victoria Longitudinal Study. Psychologie und Altern, 18(3), 510. CrossRef  Google Scholar  PubMed 
  21. Petersen, RC, Aisen, PS, Beckett, LA, Donohue, MC, Gamst, AC, Harvey, DJ, & Toga, AW (2010). Klinische Charakterisierung der Alzheimer-Krankheit Neuroimaging Initiative (ADNI). Neurologie, 74(3), 201–209. CrossRef  Google Scholar 
  22. Sager, MA, Hermann, B., & La Rue, A. (2005). Kinder mittleren Alters von Personen mit Alzheimer-Krankheit: APOE-Genotypen und kognitive Funktion im Wisconsin-Register für Alzheimer-Prävention. Journal of Geriatric Psychiatry and Neurology, 18(4), 245–249. http://doi.org/10.1177/0891988705281882 CrossRef  Google Scholar  PubMed 
  23. Salthouse, TA, & Soubelet, A. (2014). Heterogene Fähigkeitsprofile können ein eindeutiger Indikator für einen bevorstehenden kognitiven Verfall sein. Neuropsychologie, 28(5), 812. CrossRef  Google Scholar  PubMed 
  24. Schmidt, M. (1996). Rey auditiver verbaler Lerntest: Ein Handbuch. Los Angeles: Westliche psychologische Dienste. Google Scholar 
  25. Sperling, RA, Karlawish, J., & Johnson, KA (2013). Präklinische Alzheimer-Krankheit – die bevorstehenden Herausforderungen. Natur Bewertungen. Neurologie, 9(1), 54–58. http://doi.org/10.1038/nrneurol.2012.241 CrossRef  Google Scholar  PubMed 
  26. Vaughan, L., Leng, I., Dagenbach, D., Resnick, SM, Rapp, SR, Jennings, JM, & Coker, LH (2013). Intraindividuelle Variabilität der domänenspezifischen Kognition und Risiko einer leichten kognitiven Beeinträchtigung und Demenz. Aktuelle Gerontologie und geriatrische Forschung, 2013, 495793. CrossRef  Google Scholar  PubMed 
  27. Wechsler, D. (1987). WMS-R: Wechsler-Speicherskala überarbeitet. San Antonio, TX: Psychological Corporation. Google Scholar 
  28. Wilkinson, GS (1993). WRAT-3: Weitbereichsleistungstest. San Antonio, TX: Pearson. Google Scholar 
Anwendung eines evidenzbasierten Bewertungsmodells zur Identifizierung von Studenten mit einem Risiko für wahrgenommene akademische Probleme nach einer Gehirnerschütterung
Autor (en)
  • Danielle M. Lösegeld | Miller School of Medicine der Universität von Miami, Miami, Florida
  • Alison R. Verbrennungen | Nationales Gesundheitssystem für Kinder, Washington, DC, Medizinische Fakultät der George Washington University, Washington, DC
  • Eric A. Youngstrom | Universität von North Carolina, Chapel Hill, North Carolina
  • Christopher G. Vaughan | Nationales Gesundheitssystem für Kinder, Washington, DC, Medizinische Fakultät der George Washington University, Washington, DC
  • Maegan D. Sady | Nationales Gesundheitssystem für Kinder, Washington, DC, Medizinische Fakultät der George Washington University, Washington, DC
  • Gerard A. Gioia | Nationales Gesundheitssystem für Kinder, Washington, DC, Medizinische Fakultät der George Washington University, Washington, DC

Korrespondenz

Angaben
Die Autoren geben an, dass keine Interessenkonflikte bestehen.

Abstrakt
Lernziele:

Das Ziel dieser Studie war es, die Nützlichkeit eines evidenzbasierten Bewertungsmodells (EBA) zu demonstrieren, um ein multimodales Instrumentarium zur Identifizierung von Schülern mit einem Risiko für wahrgenommene akademische Probleme nach einer Verletzung zu etablieren.

Methoden:

Zu den Teilnehmern gehörten 142 Schüler, bei denen eine Gehirnerschütterung diagnostiziert wurde (Alter:M= 14.95;SD=1.80; 59 % männlich), ausgewertet innerhalb von 4 Wochen nach der Verletzung (Median = 16 Tage). Als Prädiktoren für selbstberichtete akademische Probleme nach der Verletzung wurden Demographie, Anamnese vor der Verletzung, Selbst- und Elternberichte zur Bewertung der Symptomschwere und exekutiven Funktionen sowie kognitive Testleistung untersucht.

Ergebnisse:

Die latente Klassenanalyse kategorisierte die Teilnehmer in „hohe“ (44 %) und „niedrige“ (56 %) Grade von selbstberichteten schulischen Problemen. Die Analysen der Empfängerfunktionsmerkmale ergaben eine signifikante Unterscheidungsvalidität für die selbst- und elternberichtete Symptomschwere und exekutive Dysfunktion sowie die selbstberichtete Anstrengungsreaktion zur Identifizierung von Schülern, die von schwach berichtengegenhohe akademische Probleme. Elternberichtete Symptombewertungen [Fläche unter der Receiver Operating Characteristic Curve (AUC) = 79] und exekutive Dysfunktion (AUC = 74) und selbstberichtete Bewertungen der exekutiven Dysfunktion (AUC = 84), Symptome (AUC = 80). 70) und Belastungsreaktion (AUC = XNUMX) stuften die Schüler jeweils signifikant besser als zufällig ein (ps<.001). Die hierarchische logistische Regression zeigte, dass von den oben genannten selbstberichteten Symptomen und exekutiven Funktionsstörungen die größte Varianz bei der Vorhersage von selbstberichteten akademischen Problemen ausmachten.

Schlussfolgerungen:

Die Schwere der Symptome nach der Gehirnerschütterung und die exekutive Dysfunktion sagen signifikant die wahrgenommenen akademischen Probleme nach der Verletzung voraus. Die EBA-Modellierung identifizierte die stärksten Prädiktoren für akademische Herausforderungen und bot eine wichtige Perspektive bei der Behandlung von Gehirnerschütterungen, indem traditionelle Stärken der neuropsychologischen Beurteilung auf die klinische Entscheidungsfindung angewendet wurden. (JINS, 2016,22, 1038-1049)

Literaturverzeichnis
  1. Bossuyt, PM, Reitsma, JB, Bruns, DE, Gatsonis, CA, Glasziou, PP, Irwig, LM, & de Vet, HCW (2003). Für eine vollständige und genaue Berichterstattung über Studien zur diagnostischen Genauigkeit: Die STARD-Initiative. British Medical Journal, 326, 41–44. CrossRef  Google Scholar  PubMed 
  2. Brooks, BL, Kadoura, B., Turley, B., Crawford, S., Mikrogianakis, A. & Barlow, KM (2014). Die Wahrnehmung der Genesung nach einem leichten Schädel-Hirn-Trauma bei Kindern wird durch die Tendenz der „guten alten Zeit“ beeinflusst: Greifbare Auswirkungen auf die klinische Praxis und die Ergebnisforschung. Archives of Clinical Neuropsychology, 29(2), 186–193. http://doi.org/10.1093/arclin/act083 CrossRef  Google Scholar 
  3. Zentrum für Krankheitskontrolle und -prävention und Nationales Zentrum für Verletzungsprävention und -kontrolle. (2015, 26. Februar). Was sind die Anzeichen und Symptome einer Gehirnerschütterung? Abgerufen von http://www.cdc.gov/concussion/signs_symptoms.html Google Scholar 
  4. Chelune, GJ (2010). Evidenzbasierte Forschung und Praxis in der Klinischen Neuropsychologie. The Clinical Neuropsychologist, 24(3), 454–467. http://doi.org/10.1080/13854040802360574 CrossRef  Google Scholar 
  5. Echemendia, RJ, Iverson, GL, McCrea, M., Macciocchi, SN, Gioia, GA, Putukian, M., & Comper, P. (2013). Fortschritte in der neuropsychologischen Beurteilung sportbedingter Gehirnerschütterungen. Britisches Journal für Sportmedizin, 47(5), 294–298. http://doi.org/10.1136/bjsports-2013-092186 CrossRef  Google Scholar  PubMed 
  6. Findling, RL, Jo, B., Frazier, TW, Youngstrom, EA, Demeter, CA, Fristad, MA, & Horwitz, SM (2013). Der 24-monatige Verlauf manischer Symptome bei Kindern. Bipolare Störungen, 15(6), 669–679. http://doi.org/10.1111/bdi.12100 CrossRef  Google Scholar  PubMed 
  7. Gioia, GA (2014). Partnerschaft zwischen medizinischen Fakultäten bei der Anleitung zur Rückkehr in die Schule nach leichten traumatischen Hirnverletzungen in der Jugend. Journal of Child Neurology 883073814555604. http://doi.org/10.1177/0883073814555604 Google Scholar 
  8. Gioia, GA (2015). Multimodale Bewertung und Behandlung von Kindern mit Gehirnerschütterung: Mit unseren Köpfen und verfügbaren Beweisen. Hirnverletzung, 29(2), 195–206. http://doi.org/10.3109/02699052.2014.965210 CrossRef  Google Scholar 
  9. Gioia, GA, Isquith, PK, Guy, SC, & Kenworthy, L. (2000). TEST REVIEW Verhaltensbewertung Inventar der Exekutivfunktion. Kinderneuropsychologie, 6(3), 235–238. http://doi.org/10.1076/chin.6.3.235.3152 CrossRef  Google Scholar 
  10. Arbeitsgruppe Evidenzbasierte Medizin. (1992). Evidenzbasierte Medizin: Ein neuer Ansatz für den Unterricht in der medizinischen Praxis. JAMA, 268(17), 2420–2425. http://doi.org/10.1001/jama.1992.03490170092032 CrossRef  Google Scholar 
  11. Hagenaars, JA, & McCutcheon, AL (2002). Angewandte latente Klassenanalyse. New York: Cambridge University Press. CrossRef  Google Scholar 
  12. Halstead, ME, McAvoy, K., Devore, CD, Carl, R., Lee, M., & Logan, K. (2013). Wiedereinstieg ins Lernen nach einer Gehirnerschütterung. Pädiatrie, 948–957. http://doi.org/10.1542/peds.2013–2867 CrossRef  Google Scholar  PubMed 
  13. Hunsley, J. & Mash, EJ (2007). Evidenzbasierte Bewertung. Annual Review of Clinical Psychology, 3(1), 29–51. http://doi.org/10.1146/annurev.clinpsy.3.022806.091419 CrossRef  Google Scholar  PubMed 
  14. Iverson, GL, Lange, RT, Brooks, BL, & Rennison, VLA (2010). Voreingenommenheit der „guten alten Zeit“ nach einem leichten Schädel-Hirn-Trauma. The Clinical Neuropsychologist, 24(1), 17–37. http://doi.org/10.1080/13854040903190797 CrossRef  Google Scholar  PubMed 
  15. Kraemer, HC (1992). Bewertung medizinischer Tests: Objektive und quantitative Richtlinien. Newbury Park, CA: Salbei. Google Scholar 
  16. Kraemer, HC, Kazdin, AE, Offord, DR, Kessler, RC, Jensen, PS, & Kupfer, DJ (1999). Messung der Potenz von Risikofaktoren für klinische oder politische Bedeutung. Psychologische Methoden, 4(3), 257–271. http://doi.org/10.1037/1082-989X.4.3.257 CrossRef  Google Scholar 
  17. Lovell, MR, Collins, M., Podell, K., Powell, J., & Maroon, J. (2000). ImPACT: Sofortige Beurteilung nach Gehirnerschütterung und kognitive Tests. Pittsburgh, PA: Neurohealth Systems, LLC. Google Scholar 
  18. McCrory, P., Meeuwisse, WH, Aubry, M., Cantu, B., Dvořák, J., Echemendia, RJ, & Turner, M. (2013). Konsenserklärung zur Gehirnerschütterung im Sport: Die 4. Internationale Konferenz über Gehirnerschütterung im Sport, gehalten in Zürich, November 2012. British Journal of Sports Medicine, 47(5), 250–258. http://doi.org/10.1136/bjsports-2013-092313 CrossRef  Google Scholar  PubMed 
  19. McCutcheon, A. (1987). Latente Klassenanalyse. Thousand Oaks, CA: Salbei. CrossRef  Google Scholar  PubMed 
  20. McGill, C., Gerst, E., Isquith, P., & Gioia, G. (2011). Validitätsnachweis für eine Monitoring-Version des Behaviour Rating Inventory of Executive Function (BRIEF). Zeitschrift der Internationalen Neuropsychologischen Gesellschaft, 17(s1), 297. Google Scholar 
  21. Mittenberg, W., DiGiulio, DV, Perrin, S., & Bass, AE (1992). Symptome nach leichter Kopfverletzung: Erwartung als Ätiologie. Zeitschrift für Neurologie, Neurochirurgie und Psychiatrie, 55(3), 200–204. CrossRef  Google Scholar  PubMed 
  22. Newman, JB, Reesman, JH, Vaughan, CG, & Gioia, GA (2013). Bewertung der Verarbeitungsgeschwindigkeit bei Kindern mit leichtem SHT: Ein „erster Blick“ auf die Gültigkeit von pädiatrischem ImPACT. The Clinical Neuropsychologist, 27(5), 779–793. http://doi.org/10.1080/13854046.2013.789552 CrossRef  Google Scholar  PubMed 
  23. Pepe, MS (2004). Die statistische Auswertung medizinischer Tests zur Klassifizierung und Vorhersage. New York, NY: Oxford University Press. Google Scholar 
  24. R-Core-Team. (2013). R: Eine Sprache und Umgebung für statistisches Rechnen. Wien, Österreich: R Foundation for Statistical Computing. Abgerufen von, http://www.R-project.org/Google Scholar PubMed 
  25. Ransom, DM, Vaughan, CG, Pratson, L., Sady, MD, McGill, CA, & Gioia, GA (2015). Akademische Auswirkungen einer Gehirnerschütterung bei Kindern und Jugendlichen. Pädiatrie, 135, 1043–1050. http://doi.org/10.1542/peds.2014-3434 CrossRef  Google Scholar 
  26. Reis, ME, & Harris, GT (2005). Vergleich der Effektstärken in Folgestudien: ROC Area, Cohen's d und r. Recht und menschliches Verhalten, 29 (5), 615–620. http://doi.org/10.1007/s10979-005-6832-7 CrossRef  Google Scholar  PubMed 
  27. Sady, MD, McGill, CA, Gerst, EH, & Gioia, GA (2013). Standardisierte Bewertung der kognitiven Anstrengung bei mTBI und unverletzten Kindern. Zeitschrift der Internationalen Neuropsychologischen Gesellschaft, 19(S1), 194. http://doi.org/10.1017/S1355617713000362 Google Scholar 
  28. Sady, MD, Vaughan, CG, & Gioia, GA (2011). Schule und Jugendliche mit Gehirnerschütterung: Empfehlungen für Aufklärung und Behandlung von Gehirnerschütterungen. Physical Medicine and Rehabilitation Clinics of North America, 22(4), 701–719, ix. http://doi.org/10.1016/j.pmr.2011.08.008 CrossRef  Google Scholar  PubMed 
  29. Sady, MD, Vaughan, CG, & Gioia, GA (2014). Psychometrische Merkmale des Symptominventars nach Gehirnerschütterung bei Kindern und Jugendlichen. Archives of Clinical Neuropsychology, 29(4), 348–363. http://doi.org/10.1093/arclin/acu014 CrossRef  Google Scholar  PubMed 
  30. Schatz, P., & Maerlender, A. (2013). Eine Zwei-Faktoren-Theorie zur Gehirnerschütterungsbewertung mit ImPACT: Gedächtnis und Geschwindigkeit. Archives of Clinical Neuropsychology, 28(8), 791–797. http://doi.org/10.1093/arclin/act077 CrossRef  Google Scholar 
  31. Straus, SE, Glasziou, P., Richardson, WS, & Haynes, RB (2011). Evidenzbasierte Medizin: Wie man sie praktiziert und lehrt (4. Aufl.), Edinburgh: Churchill Livingstone. Google Scholar 
  32. Venkatraman, ES, & Begg, CB (1996). Ein verteilungsfreies Verfahren zum Vergleich von Empfängerbetriebskennlinien aus einem gepaarten Experiment. Biometrika, 83(4), 835–848. http://doi.org/10.1093/biomet/83.4.835 CrossRef  Google Scholar 
  33. Vermunt, J., & Magidson, J. (2005). Latent GOLD Choice 4.0 Benutzerhandbuch. Belmont, MA: Statistische Innovationen Inc. Google Scholar 
  34. Youngström, EA (2013). Zukünftige Richtungen in der psychologischen Bewertung: Kombination evidenzbasierter medizinischer Innovationen mit den historischen Stärken der Psychologie zur Verbesserung des Nutzens. Journal of Clinical Child and Adolescent Psychology, 42(1), 139–159. http://doi.org/10.1080/15374416.2012.736358 CrossRef  Google Scholar 
  35. Youngström, EA (2014). Eine Einführung in die Analyse von Empfängerbetriebseigenschaften und diagnostische Effizienzstatistiken für die pädiatrische Psychologie: Wir sind bereit für ROC. Zeitschrift für Kinderpsychologie, 39, 204–221. http://doi.org/10.1093/jpepsy/jst062 CrossRef  Google Scholar  PubMed 
  36. Youngstrom, EA, Meyers, O., Youngstrom, JK, Calabrese, JR, & Findling, RL (2006). Diagnose- und Messprobleme bei der Beurteilung der pädiatrischen bipolaren Störung: Implikationen für das Verständnis von Stimmungsstörungen im gesamten Lebenszyklus. Entwicklungspsychopathologie, 18(4), 989–1021. CrossRef  Google Scholar  PubMed 
  37. Zhou, X.-H., Obuchowski, N., & McClish, D. (2002). Statistische Methoden in der diagnostischen Medizin. New York: Wiley. Abgerufen von http://onlinelibrary.wiley.com/doi/10.1111/1541-0420.00266/abstract CrossRef  Google Scholar