本研究的参与者从两个正在进行的项目中招募:生命实验室队列(俄勒冈健康与科学大学(OHSU) IRB #2765)和环境独立性措施(AIMs)队列(OHSU IRB #9944)。这些研究的重点是利用家庭嵌入式传感和计算(“智能家居”)技术了解老年人的日常行为与健康之间的关系[ 9]。这两项研究的资格标准包括独自或独立居住在大于工作室的房子或公寓中，在迷你精神状态检查中最低得分为25分，在临床痴呆评定量表中最高得分为0.5分(未痴呆)。参与者还被要求独立生活，不需要家庭护理或日常活动的帮助。参与生命实验室研究的最低年龄为62岁，而AIMS队列的最低年龄为70岁。生命实验室研究的登记于2007年开始，并以滚动的方式继续进行。AIMs研究的报名于2014年开始，并于2016年4月结束。

2015年，两个项目中所有表示使用电脑的积极参与者都被要求参加这个额外的电脑使用监测研究。同意监控电脑使用情况的参与者会在他们的个人电脑上收到一个软件(WorkTime, Nestersoft Inc .)，该软件会记录他们在电脑上的所有活动，包括在谷歌、雅虎、必应和Ask.com等搜索引擎上搜索过的词条。所有受试者在参加任何研究活动前都签署了知情同意书，并且该研究得到了OHSU机构审查委员会(IRB #2765)的批准。总共有76人同意参加。其中，54名参与者在安装软件的同时在谷歌、必应、雅虎或Ask.com上进行搜索。然而，这些参与者中有12人在完成神经心理学评估之前或之后的3个月内没有进行搜索，因此他们的互联网搜索数据无法使用。因此，总共有42名参与者被纳入最终分析。参与者的人口统计学特征见 表1。那些完成搜索的参与者比那些从未完成搜索的参与者年轻，但他们在其他人口统计学特征上没有统计学上的显著差异。在完成搜索的人中，平均年龄为81.1岁(标准差10.5)，83%为女性(35/42)，49%为大学毕业生(25/42)。平均认知z分数(详细定义见 认知功能在该队列中，CDR评分为0.16 (SD为0.56)，其中一名参与者的CDR评分至少为0.5，表明存在轻度认知障碍。

对于每个参与者，在基线时收集人口统计数据(包括年龄、性别和教育程度)，每年进行临床评估，并(从2015年开始)使用WorkTime从参与者的个人电脑中连续收集数据。下面是对每种类型的数据的更详细的描述。

我们首先计算了所有变量的描述性统计。其中包括对个人进行的平均搜索次数，每次搜索的平均单词数，搜索的每个单词中的平均字母数，以及搜索的术语的平均晦涩程度。

接下来，我们运行了3个线性回归，每个回归都以认知z分数作为结果变量。第一个线性回归模型建立了认知功能与每次搜索输入的唯一搜索词数量之间的关系。第二次回归模拟了搜索单词的平均长度与认知功能之间的关系。第三次回归模拟了认知功能和平均术语模糊之间的关系。为了确保系数估计不受多重共线性的偏倚，对所有自变量计算方差膨胀因子(VIF)，这是评估自变量共线性水平的标准诊断工具。所有变量的VIF都小于2.5，表明任何多重共线性的偏差都可以合理地忽略[ 34]。所有控制年龄、性别和受教育年限的回归都在Stata 13 (Stata Corp)中使用函数“reg”进行。

在6个月的监测期间，参与者进行了中位数为22次(四分位数间距，IQR 7.3)的搜索( 表2)。最常见的搜索词是“波特兰”(318次搜索)、“俄勒冈”(175次搜索)、“如何”(40次搜索)和“电子邮件”(36次搜索)。每次搜索的平均字数为3.08 (SD 1.6)，最长的搜索包含22个单词。在所有搜索的单词中，参与者平均每个单词有5.77个字母(标准差为2.2)。参与者的平均术语模糊度为0.25(标准差为0.1)。

中展示了搜索词数据集的丰富程度 图1其中搜索在社交网络图中表示。这个图是在Gephi 0.8.2中创建的，这是一个用于可视化社交网络图的开源软件。在此图中，参与者搜索的每个唯一术语由单个节点表示，如果节点出现在同一搜索中，则将它们连接在一起(更粗的边表示它们一起出现的频率更高)。节点按其程度大小划分，这样较大的节点有更多独特的连接，并用颜色表示“社区”，其中社区是使用分辨率为1.0的Gephi模块化函数确定的。“波特兰”和“俄勒冈”这两个词的搜索频率如此之高，以至于它们盖过了其他词的风头，因此被从图表中删除，以便更好地显示网络的其余部分。从图中可以清楚地看出，人们经常搜索“照片”和“如何”，这可能表明人们使用互联网是为了看到事物的图片，并决定如何做事情。

三种线性回归的结果见 表3。请注意，在此表中，beta系数表示每个自变量发生单位变化时认知z分数的变化量。对于所有的结果变量，我们呈现单侧 P与运行模型之前假设的方向关系相称的值。

在第一个模型中，我们测试了更高的认知功能是否与每次搜索输入的唯一搜索词有关。如图所示 表3，我们的结果支持了这个假设:每次搜索中每多搜索一个独特的单词，参与者的认知z得分就会提高0.39分( P= .002)。从这个角度来看，有了这个beta系数，该模型将预测，与平均每次搜索最不独特的术语(每次搜索0.5个术语)的参与者相比，平均每次搜索最不独特术语的参与者在认知z分数上的得分将高出1.01分。考虑到认知z分数的范围从- 1.15到1.2，这种差异是显著的。R²该模型为0.46。认知z分数与每次搜索的平均唯一单词数之间关系的散点图可以在 图2。

在我们的第二个模型中，我们测试了更高的认知功能是否与搜索时使用较长的单词有关。如图所示 表3但是，我们的研究结果并不支持这个假设。 P= . 21)。虽然系数的方向与假设的方向一致，但在本队列中关系不显著。R²这个模型是0.25。认知z分数与每个单词的平均字母数之间关系的散点图可以在 图2。

在我们最后的回归中，我们测试了具有更高认知功能的个体在搜索互联网时是否会使用更多模糊的词。如图所示 表3，我们的研究结果支持了这个假设:搜索单词的平均模糊度每增加一个单位，参与者的认知能力得分就会提高1.39分。 P= .02点)。从这个角度来看，有了这个beta系数，该模型将预测，与平均术语模糊度最低的参与者(0.044)相比，平均术语模糊度最高的参与者(0.52)在认知z分数上的得分将高出0.66分。R²该模型为0.32。认知z分数与平均术语模糊度之间关系的散点图可以在 图2。

在所有模型中，年龄与认知功能显著相关，因此老年人的认知功能较低。在任何模型中，性和教育都与认知功能没有显著关联。

在这项研究中，我们使用WorkTime连续监测74名老年人的电脑使用情况。WorkTime记录人们在进行基于互联网的搜索时所搜索的术语。使用来自42名受试者的搜索词数据，他们在6个月内完成了至少一次搜索(3个月前或3个月后)认知评估，我们证明了认知功能与每次搜索输入的唯一术语的平均数量和搜索词的模糊程度有关。这些结果首次向我们展示了语言使用的一个连续方面，即网络搜索词，与老年人的认知能力有关。后续分析应该在症状前的老年人中纵向评估这种关系，以确定是否可以使用持续的互联网搜索词评估来识别最终会过渡到轻度认知障碍的个体。

我们的第一个假设是，拥有更高认知功能的人会在搜索中使用更独特的术语。我们的结果支持这一假设，其结果可能被认为与在类别和音素流利性的标准心理测量任务中表现良好所需的词汇或生成流利性一致。先前的研究已经证实，音位和类别流畅性测试的表现会随着认知功能的改变而下降[ 18， 19]包括导致轻度认知障碍的转变[ 35]。类别流利是指能够说出一个类别的成员(如动物)的名字，而音位流利是指能够说出以某个字母开头的单词的名字。这两种测试都是通过让参与者在一段固定的时间内说出尽可能多的物体或单词来评估的。由于认知能力下降和语言使用之间的密切关系，这些测试通常是用于检测轻度认知障碍或阿尔茨海默病的标准认知测试的一部分。人们可能会考虑生成搜索词的任务，以利用类似的认知资源，因此，随着时间的推移而生成的搜索词的分析，并在这里提出，代表了这种流利度(互联网搜索词的流利度或“拳头”)的测量首次与认知功能联系起来。

我们的第二个假设是，拥有优越认知功能的人会使用较长的单词进行搜索。然而，我们的结果并不支持这一假设。这也与之前的研究一致，即单词长度与图片命名能力的关系不如术语模糊程度[ 18]。也就是说，阿尔茨海默病患者的词汇量可能会随着单词模糊或熟悉程度而不成比例地下降，而不是单词复杂程度。事实上，我们最后的假设是，拥有更高认知功能的人会使用更模糊的搜索词进行搜索。我们的研究结果支持这一假设，不受正规教育年限的影响，这与之前将词汇量下降与认知功能联系起来的研究结果是一致的。 23]。

这项研究有几个局限性。值得注意的是，这项研究的参与者主要是受过良好教育的白人，相对健康的老年人。这里报告的结果可能不适用于其他人群。样本量也很小，因此我们只控制了少数变量。未来的研究应该调查诸如社会网络规模、社会经济地位、计算机流利程度或药物使用等变量是否对本文报道的结果有任何影响。计算机流畅性可能尤其重要，因为在计算机使用方面可能存在显著差异，而不是由于认知能力下降，而是由于熟悉和接触计算机[ 36]。

此外，我们将模型中包含的搜索词限制为仅来自四个主要搜索引擎的搜索词:Google、Bing、Yahoo和Ask.com。虽然这些是这些老年人使用的主要搜索引擎，但可能不是所有的搜索都被捕获，因为一些参与者可能使用其他不太常见的搜索引擎搜索互联网。

我们也没有办法确定参与者是否使用自动填充来自动完成他们的搜索。一些搜索浏览器提供了对搜索中可能剩下的词给出建议的选项，通常使用来自参与者和更大的公众的流行搜索查询来通知建议。如果参与者在进行搜索时使用这种软件，它将向搜索词数据集中注入人工噪声。未来的研究应该在所有参与的浏览器中禁用自动完成功能的数据集中验证这里给出的结果。

我们使用了一个基本的词干和拼写检查器。这些实用程序确保单词的共轭词(例如“running”是“run”的共轭词)不会在术语频率字典中被计算两次，并且当拼写错误的单词实际上非常频繁但拼写错误时，它们不会被视为高度模糊的术语。然而，这两个实用程序都不能完美地执行。例如，当词干器正确地将“wolves”拼写为“wolf”时，它错误地将“dies”拼写为“dy”。一个更复杂的拼写检查器和词干器可能会加强未来的研究。

我们对术语模糊度的测量仅仅是该词在搜索数据集中出现频率的倒数。这是必要的，因为像“Gmail”这样的多个单词在互联网上很常见，但却没有常见的单词频率或罕见度衡量标准。然而，由于主题搜索既用于开发术语频率字典，又用于评估每个主题的平均单词晦涩度，因此搜索互联网的个人可能拥有较低的平均术语晦涩度，因为他们的搜索短语和术语更频繁地输入数据集。事实上，搜索次数与平均单词模糊度呈负相关( r=−0.23)。然而，后续分析显示，数据集中的搜索次数与个体的认知z得分无关( P= .97点)。然而，未来的研究应该规范化每个主题的词频，以计算每个词的相对晦涩度。

WorkTime不仅可以监控人们在互联网上搜索的术语，还可以监控电脑使用的详细方面，如花在在线游戏或社交网站上的时间。因此，未来的研究可能会受益于评估认知功能与电脑使用的多个方面之间的关系，特别是最近的研究表明，花在电脑上的总时间和电脑会话次数与认知能力下降有关[ 13， 37， 38]。电脑使用的变化也与认知能力下降有关[ 13]，但很少有研究(如果有的话)评估了电脑使用的更详细方面(例如，在线游戏的总时间)及其与认知功能的关系，特别是使用客观监测软件。

这项工作独特地评估了日常语言功能之间的关系，通过基于互联网的搜索和认知功能。一些研究表明，词汇量、语言流畅性和语义能力等语言能力与认知功能的整体变化之间存在密切关系。这些功能通常通过标准化的间歇性认知测试来评估。以前的研究无法在一定水平上分析这种认知结构，从而为认知衰退提供可扩展的早期检测方法。这可能部分是由于缺乏提供日常语言使用频繁样本的方法。本文提出的方法利用了计算机软件的优势，它可以在日常计算机使用过程中持续而不显眼地捕获语言和相关复杂认知活动的各个方面。此外，与之前的工作不同，要分析的数据本质上是生态有效的，因为正在评估的是个体的日常功能。在这里展示的关系的基础上，有可能开发出一种系统，通过持续监测人们在互联网上搜索的术语以及日常计算机使用的其他方面，来检测阿尔茨海默病的前驱阶段。 7， 13， 14]。这可以通过类似于病毒检测软件的常规和安全后台运行的算法来完成。通过开发一种自然的技术来评估认知变化的早期症状，这种方法有可能显著推进诊断和评估过程，并提供一种新的机制，可用于改善临床试验的进行和AD治疗开发的护理。这将对经历认知衰退的老年人、他们的家庭和整个医疗保健系统产生重大而深远的影响。