原始论文
摘要
背景:在智能手机上打字,几乎已经成为一项日常活动,需要上肢和认知功能。因此,对常规打字过程中键盘交互的分析,即击键动力学,可以潜在地用于多发性硬化症患者的被动和持续功能监测。
摘要目的:为了确定被动获得的智能手机按键动力学是否与多发性硬化症的结果相对应,我们研究了按键动力学与临床结果(上肢和认知功能)之间的关系。为了研究独立于患者之间差异的患者内部变化,对这种关联进行了纵向调查。
方法:在1年的随访中,102例多发性硬化症患者每3个月分别用九孔钉测试和符号数字模式测试评估手臂功能和信息处理速度。敲击键盘动力学数据是通过参与者在自己的智能手机上定期打字而连续获得的。字母数字键的按键释放潜伏期构成精细运动分簇,标点键和退格键的按键释放潜伏期构成认知分簇。使用线性混合模型评估击键簇与相应临床结果之间随时间的关系,受试者作为随机截距。通过以均数为中心,计算受试者内偏差得分,区分受试者间效应和受试者内效应。
结果:精细运动评分和认知评分的平均(SD)评分分别为0.43(0.16)和0.94(0.41)秒。精细运动评分簇与九孔Peg测试显著相关:受试者间β为15.9 (95% CI 12.2-19.6),受试者内β为6.9 (95% CI 2.0-11.9)。认知评分集群与受试者之间的符号数字模态测试显著相关(受试者之间β -11.2, 95% CI -17.3至-5.2),但受试者内部不相关(受试者内部β -0.4, 95% CI -5.6至4.9)。
结论:智能手机按键动力学与多发性硬化症结果纵向相关。手臂功能越差,患者之间和患者体内的分型潜伏期越长。较差的处理速度与跨主题使用标点和退格键时的较高延迟相对应。因此,击键动力学是一个潜在的数字生物标志物,用于远程监测和预测多发性硬化症患者的临床结果。
试验注册:荷兰试验登记册NTR7268;https://trialsearch.who.int/Trial2.aspx?TrialID=NTR7268
doi: 10.2196/37614
关键字
介绍
在多发性硬化症(MS)中,大量针对疾病活动的疾病修饰疗法是可用的,预防(并可能抵消)疾病进展的疗法正在出现[
- ]。其他治疗方式包括非药物治疗,如康复和认知治疗[ , ]。这种广泛的治疗选择将越来越多地导致以患者为中心的疾病管理。MS的个性化治疗将从早期和改进的残疾进展或症状发作的识别中获益。然而,疾病进展(即独立于复发的神经功能恶化)和新出现的症状在多发性硬化症中往往很微妙[ ]。此外,目前在多发性硬化症中使用最广泛的临床测量,扩展残疾状态量表(EDSS) [ ],在一年或差不多一年的时间内评估神经功能,可能需要随着时间的推移重新评估以确认恶化[ ]。多发性硬化症功能组合(MSFC)包括MS中三个重要领域的简短客观测量:行走功能、上肢功能和认知功能。它的设计是为了补充EDSS并提高捕捉疾病状态的敏感性[ ]。与MSFC在临床试验中的广泛实施相比,它很少被纳入临床实践,因为临床评估过于分散,使得该措施不敏感,也无法在个体层面上为监测患者提供有意义的时间信息[ ]。数字设备的出现使得更连续、更精细的生物特征测量成为可能,这些测量可能与ms患者的功能有关。随着社会的数字化,智能手机已经变得普遍,成为日常生活的一部分。因此,在智能手机上打字的击键动力学(KD)已被研究用于量化ms残疾,KD包括常规打字过程中键盘交互的定量指标。在我们之前的工作中,KD被发现与上肢和认知功能相关,并且在较小程度上与EDSS测量的整体残疾相关[
]。通过广泛的KD特征和聚合方法,KD也被发现在3个月内对放射疾病活动性、运动功能和上肢功能的有意义的变化具有足够的反应性[ ]。此外,使用非线性时间序列方法分析KD数据确定了临床变化的潜在指标[ ]。基于这些先前的发现,我们导出了两个击键簇,一个特定于上肢功能,另一个特定于认知,因为这两个域与打字最直接相关。为了将这种新的生物标志物转化为监测多发性硬化症上肢功能和认知的临床实践,需要研究其与临床指标随时间和个体患者的关系。我们的目的是调查KD特征(被动地从智能手机上的常规打字中获得)与ms患者上肢功能和认知之间的纵向关联。此外,我们试图区分受试者之间差异和受试者内部变化的这些纵向关联,以便在个体患者水平上进行疾病监测。
方法
研究设计与参与者
这是一项在阿姆斯特丹大学医学中心(VU大学医学中心所在地)MS中心进行的前瞻性队列研究。该项研究的设计及中期分析已于先前报道[
, ]。简而言之,在基线评估(M0),我们随访患者1年,每3个月进行一次临床访问(M3.,米6,米9, M12).在研究期间,参与者在自己的智能手机上使用Neurokeys键盘应用程序[ ]。参与者为多发性硬化症患者,在2018年8月至2019年12月期间连续纳入研究,直到达到100名参与者的队列规模。如果患者年龄在18至65岁之间,明确诊断为多发性硬化,EDSS评分低于7.5,使用Android(5.0或更高)或iOS(10或更高)操作系统的智能手机,没有影响常规智能手机使用的视觉或上肢缺陷,并且没有影响日常生活的情绪或睡眠障碍(基于筛查医生的病史记录),则符合条件。道德的考虑
该研究获得了医学伦理委员会自由大学医学中心(参考文献2017.576)的伦理批准,并符合有关数据隐私和医疗设备的立法(荷兰卫生和青年保健监察局;参考VGR2006948)。所有患者均给予书面知情同意。该研究在荷兰试验登记册上注册为试验编号NTR7268。
临床结果
评估MS重要方面的临床结果,包括临床报告的复发、疾病活动性的常规磁共振成像(MRI)、EDSS、MSFC、患者报告的结果、定量MRI和用于评估特定领域和整体疾病严重程度以及疾病随时间进展的光学相干断层扫描。由于KD与上肢功能和认知最直接相关,目前的分析主要集中在每3个月用九孔Peg测试(NHPT)和符号数字模式测试(SDMT)进行的临床评估。NHPT是一种测量上肢功能的方法,它记录了用一只手将9个钉子插入9个洞,然后取出它们所需的时间。
]。每只手执行两次任务,4次试验平均为一个分数,分数越高,表现越差。SDMT是衡量信息处理速度的指标,这是多发性硬化症中最常受到影响的认知领域,并表明整体认知功能[ ]。使用一个有9对符号-数字的键,在90秒的试验中,符号对应的正确数字数被记录为总分[ ]。分数越高,表现越好。KD和击键功能
在1年的随访期间,患者在自己的智能手机上使用Neurokeys应用程序(Neurocast BV) [
]。Neurokeys应用程序将原生键盘替换为外观类似的键盘( A)被动地、持续地收集日常打字过程中按下和释放打字事件的数据。从这些键盘交互中,键击特性是基于键类型( B).对于字母数字键,特征包括按键之间的延迟(按-按延迟)和释放(释放-释放延迟),按键时间(保持时间)和按键之间的时间(飞行时间)。对于退格键,衍生的特征包括使用该键之前的延迟(校正前减慢)、使用期间的延迟(校正持续时间)和使用后的延迟(校正后减慢)。最后,还派生了使用标点键后的时间(标点后暂停)。使用50个事件的击键事件计数阈值来删除数据不足的天数。![](https://asset.jmir.pub/assets/05334993f567f74ce15df9f7d25599aa.png)
构建击键集群
为了将连续收集的击键数据与临床结果进行比较,对击键特征进行汇总和聚类。首先,按平均值和中位数汇总每天的击键特征,因为这两种统计方法都很好地总结了数据,并保持在相同的单位尺度上(即秒),以保持可解释性。由于击键特征的平均值和中位数是高度相关的,而不是丢弃一个,两个汇总值被平均以减少潜在的多重共线性。其次,精细运动得分聚类(FMSC)和认知得分聚类(CSC)是基于时间相关特征(按-按延迟、释放-释放延迟、保持时间和飞行时间)与精细运动技能更相关的假设,而错误相关特征(纠正前减慢、纠正持续时间和纠正后减慢)和副语言特征(标点停顿后)与反映认知功能的事件更具体。然后对基于概念的聚类进行主成分分析和相关分析(
- ).只有在成分分析中贡献相等且高度相关的特征(r>0.50)被纳入最终聚类[ ]。最后,在每次临床就诊时间附近,FMSC和CSC分别选择28天(临床就诊前后14天)和14天(临床就诊前后7天)的击键聚集期,因为精细运动功能可以被认为比认知功能更稳定。击键簇的28天和14天周期按平均值进行汇总。使用这些标准,FMSC包括按压-按压延迟、释放-释放延迟和飞行时间,而CSC包括校正前减慢、校正后减慢和标点符号后暂停。统计分析
采用SPSS (version 26;IBM Corp)和R(版本4.0.3;R Foundation for Statistical Computing)。分类数据汇总为频率和百分比。数值数据汇总为平均值和标准差(或中位数和IQR或正态分布的范围)。采用线性混合模型分析来确定KD聚类与临床结果之间的纵向关联,以便考虑受试者内重复测量的聚类[
]。估计每个受试者的单独截距,在其上绘制正态分布。然后,从该正态分布中估计方差,并作为随机截距(ε)添加到模型中,以调整受试者内部的重复测量,如下所示:Y = β0+β1X + ε。上肢功能的因变量为NHPT评分,自变量为FMSC,协变量为年龄和性别。信息处理速度的因变量为SDMT评分,自变量为CSC,协变量为年龄、性别、文化程度。由于时间和SDMT表现之间存在显著的关系,很可能是由于练习效果,因此在认知模型中添加了额外的时间随机截距(以天为单位)。这允许基于时间的不同截距,以解释实践效果和不同受试者临床就诊时间间隔的不平衡[ ]。重要的是,考虑到在重复测量的队列中,线性混合模型分析的效应估计是整体效应(即,效应估计纠缠了受试者之间的差异和受试者内部随时间的变化),我们进行了“混合”线性混合模型分析,以解开纵向关联的受试者之间和受试者内部效应[,其中β之间的受试者间效应和β在是主体内效应[ ]。
所有线性混合模型的输出包括效应估计、95% ci、P值和百分比解释方差。如果将协变量纳入模型后,因变量和自变量之间的效应估计变化10%或更多,则认为协变量相关[
]。结果
共纳入102例多发性硬化症患者,其中91例在M12;6例患者在M3., 1在M6, 1在M9, M点312。基线时的人口学和临床特征总结于
。患者平均年龄46.4岁,女性居多(75/102,73.5%),多发性硬化复发缓解型居多(61/102,59.8%)。自诊断以来的中位病程为5.7年,中位EDSS评分为3.5。平均随访时间为376.9天(SD 109.4)。在M12积极使用键盘的患者保留率为83.3%(85/102)。 显示每月的保留率和每天击键事件的平均数量。每次访问的临床结果和每次临床访问对应的击键簇数据总结在 和 和 。部分研究随访恰逢COVID-19大流行,导致缺少临床就诊,最突出的是在M6和M9。特征 | 多发性硬化患者(N=102) | ||
年龄(岁),平均(SD) | 46.4 (10.4) | ||
性别,n (%) | |||
女 | 75 (73.5) | ||
男性 | 27日(26.5) | ||
教育水平一个, n (%) | |||
低 | 3 (2.9) | ||
中间 | 34 (33.3) | ||
高 | 65 (63.7) | ||
多发性硬化类型,n (%) | |||
主要的进步 | 11 (10.8) | ||
二次进步 | 30 (29.4) | ||
复发汇款 | 61 (59.8) | ||
自诊断以来疾病持续时间(年),中位数(IQR) | 5.7 (3.0 - -13.1) | ||
扩展残疾状态量表得分中位数(范围) | 3.5 (1.5 - -7.0) |
一个教育水平是根据Rijnen等人[
]。![](https://asset.jmir.pub/assets/646d0fb7f5216acd07c34c6641415a03.png)
结果 | 米0 | 米3. | 米6 | 米9 | 米12 | |
九孔钉试验一个 | ||||||
主题,n | 102 | 93 | 76 | 58 | 89 | |
时间(秒),中位数(IQR) | 21.2 (19.4 - -25.0) | 21.0 (18.7 - -24.0) | 20.5 (18.8 - -22.5) | 20.2 (18.5 - -22.0) | 20.3 (18.7 - -23.0) | |
符号数字模态测验 | ||||||
主题,n | 102 | 93 | 76 | 58 | 90 | |
平均评分(SD) | 54.4 (10.3) | 56.8 (10.4) | 57.9 (12.0) | 61.3 (12.8) | 60.3 (12.9) | |
精细运动评分组 | ||||||
主题,n | 96 | 88 | 72 | 55 | 71 | |
时间(秒),平均值(SD) | 0.45 (0.16) | 0.44 (0.16) | 0.44 (0.17) | 0.39 (0.15) | 0.42 (0.17) | |
天b(n),均值(SD) | 14.3 (2.4) | 26.4 (4.8) | 26.2 (4.8) | 25.5 (5.4) | 15.5 (5.5) | |
认知评分聚类 | ||||||
主题,n | 101 | 89 | 70 | 55 | 72 | |
时间(秒),平均值(SD) | 1.01 (0.42) | 0.95 (0.40) | 0.92 (0.40) | 0.86 (0.38) | 0.90 (0.44) | |
天b(n),均值(SD) | 7.8 (1.0) | 13.7 (1.0) | 13.3 (2.2) | 13.1 (2.1) | 8.4 (2.7) |
一个对于九孔Peg测试,实施40秒的平均异常阈值,排除了387个样本中的14个(3.6%)。
b只有≥50次击键事件的天数。
上肢功能
对于NHPT和FMSC之间的关联,98例MS患者被纳入混合模型分析,平均每位患者3.9次观察。总体而言,FMSC的平均(SD)为0.43(0.16)秒,NHPT的中位数(IQR)为20.6(18.8-23.3)秒。混合模型分析结果见
并在 。在整个模型中,FMSC与NHPT显著相关,并解释了NHPT结果中42%的差异。年龄和性别在这一关联中没有发现相关的混杂因素。在混合模型中,FMSC每增加1 sd(0.16秒),患者间NHPT增加2.5秒,患者内NHPT增加1.1秒显著相关。β(95%置信区间) | P价值 | 随机效应方差,% | 解释方差,% | ||||
只拦截 | 13.7 | N/A一个 | |||||
精细运动评分组 | 12.62 (9.61 - -15.63) | <措施 | 8 | 42 | |||
精细运动评分聚类和协变量b | 12.56 (8.96 - -16.16) | <措施 | 7.7 | 43.9 | |||
混合模型 | 7.7 | 43.7 | |||||
主题之间 | 15.91 (12.18 - -19.63) | <措施 | N/A | N/A | |||
在主题 | 6.94 (2.00 - -11.87) | <措施 | N/A | N/A |
一个-不适用。
b协变量包括年龄和性别。
![](https://asset.jmir.pub/assets/fbdff6942865229fd73f390b13148213.png)
信息处理速度
将102例MS患者纳入信息处理速度与认知击键簇的相关性分析。患者平均有3.8次重复观察。CSC的总平均(SD)为0.94(0.41)秒,SDMT的总平均(SD)为58.9(12.1)分。混合模型分析的输出总结于
直观地显示在 。在整个模型中,CSC与SDMT显著相关,并且与年龄、性别和教育水平一起解释了SDMT的30.4%方差。在混合模型中,CSC每增加1 SD(0.41秒)与患者间SDMT减少-4.6显著相关。然而,CSC和SDMT之间的受试者内相关性没有统计学意义。β(95%置信区间) | P价值 | 随机效应方差,% | 解释方差,% | ||||||||
只拦截 | 110.9 | N/A一个 | |||||||||
认知评分聚类 | -8.57 (-12.02 - -5.12) | <措施 | 82.7 | 25.4 | |||||||
认知得分聚类和协变量b | -5.02 (-9.02 - -1.02) | 02 | 77.1 | 30.4 | |||||||
混合模型(包括协变量)一个) | 74.4 | 32.9 | |||||||||
主题之间 | -11.25 (-17.28 - -5.21) | <措施 | N/A | N/A | |||||||
在主题 | -0.35 (-5.60 - 4.89) | 。9 | N/A | N/A |
一个-不适用。
b协变量包括年龄、性别和教育水平。
![](https://asset.jmir.pub/assets/073674e0166254b46d3dca06cb33b76a.png)
讨论
主要研究结果
本研究调查了智能手机KD与ms患者上肢功能和信息处理速度的常用临床指标之间的纵向关联。在整个模型中,精细运动击键集群与NHPT显著相关(β=12.6, 95% CI 9.6-15.6);键入过程中按下和释放字母数字键的延迟越长,NHPT上的性能就越差。当将模型拆分为受试者之间和受试者内部效应时,两者的相关性仍然显著(β=15.9, 95% CI分别为12.2-19.6和β=6.9, 95% CI分别为2.0-11.9)。对于认知击键簇和SDMT之间的关联,以天为单位的时间被包括在内,以说明练习对SDMT的影响以及跨受试者访问间隔的不平衡。CSC与SDMT呈显著负相关;退格键和标点符号键的延迟越长,SDMT得分越低。在调整了年龄、性别和教育水平后,该相关性的β值为-5.0 (95% CI -9.0至-1.0)。在认知击键集群的混合模型中,主体间效应增加到β= -11.2 (95% CI -17.3至-5.2),而主体内效应降低到β= -0.4 (95% CI -5.6至4.9)。为了提高这些关联的可解释性,而不是考虑击键簇中1个单位的变化,可以重新计算效应大小,以表示击键簇中1个SD的变化。在这种基于分布的方法中,FMSC的1-SD变化对应于患者体内1.1秒的NHPT变化或患者之间2.5秒的差异。 Likewise, a 1-SD change in CSC corresponded with a change in SDMT of –0.14 points (although this was not significant) within patients or a –4.6-point difference between patients. Therefore, in our current cohort, a 2-SD change in FMSC and a 1-SD change in CSC would correspond to clinically relevant changes, as a 20% change in NHPT and a 4-point change in SDMT are considered clinically relevant based on group studies [
, ]。与前期工作比较
任务或活动表现的测量是评估和监测ms等慢性神经系统疾病的一个组成部分,在智能手机上打字几乎是一项日常活动,可以从中获得与身体或精神功能有关的生物识别信息。尽管如此,KD在疾病评估中的应用还没有得到充分利用,特别是考虑到触摸屏打字已经存在了十多年。因此,我们的目标是验证被动KD的使用,通过Neurokeys应用程序测量,以改善MS的疾病管理。为此,我们研究小组的早期研究报告了MS中KD的可靠性、有效性和3个月反应性的临床特性[
, ]。据我们所知,KD分析在疾病中的其他应用仅限于早期帕金森病的检测[ - ]、肌萎缩性侧索硬化症上肢功能障碍[ ],以及情绪障碍的严重程度[ , ]。帕金森病研究的目的是将患有疾病或早期疾病的受试者与未患疾病的受试者区分开来,这使得研究终点与我们的研究结果没有直接可比性。然而,对肌萎缩性侧索硬化症的研究发现,更差的分型与疾病的进展有关,这与我们目前的发现相似。最后,两项关于情绪障碍的研究发现抑郁症状的严重程度与智能手机键盘活动之间存在显著的回归效应。这与我们的研究结果一致,即在临床测试中,较差的分型参数对应于较差的表现。此外,与我们的研究结果同时,这些研究表明,KD可以被利用,甚至可以超越临床标准,通过利用运动异常和在某种程度上影响分型行为的认知动力学来检测和评估疾病状态。值得注意的是,除了我们的3个月反应性中期分析外,目前还没有研究在ms患者的纵向设置中调查KD。虽然研究受试者之间的差异非常重要,特别是在早期验证研究中,但受试者之间的差异不能直接推断为个体内部随时间发生的变化。因此,分析患者体内随时间的变化对于ms的监测或预测建模至关重要。将我们的模型分开来分别确定受试者之间和受试者内部的影响,结果表明后者比前者更强。这表明,在我们的样本中,患者之间上肢功能和信息处理速度的差异往往大于患者内部的差异,正如患者之间结果的SD远大于随时间变化的平均值所示。这并不奇怪,因为与患者之间的相关性相比,MS结果测量的研究往往难以达到对随时间变化的足够敏感性[
]。对于上肢功能,我们的模型分离了受试者间和受试者内效应,仍然显示出很强的显著的受试者内效应估计,这表明精细运动击键簇对个体内部的变化很敏感。对于信息处理速度,在调整时间之前,我们还发现认知击键簇的显着主体内效应估计(数据未显示)。然而,通过将时间点作为随机效应添加到模型中来考虑练习效应导致较低的,统计上不显著的受试者内效应。这表明,在我们当前的队列中,SDMT和认知击键簇之间的关联受学习的影响比受患者内击键簇变化的影响更强烈。这一解释得到了将时间效应建模为固定项而不是随机效应的结果的支持。在该模型中,时间效应强于认知击键簇的主体内效应。此外,将时间作为固定项进行分类建模时(如M0,米3.,或M6),而不是线性的,时间对SDMT与认知击键簇关联的影响在较晚的时间点大于较早的时间点。由于患者之间的学习量不同,受MS影响较轻的患者往往比残疾较严重的患者有更强的练习效果[
],并且在较晚的时间点上较大的正斜率可以解释为实践效应导致SDMT数据随着时间的推移而更大的传播,而认知击键簇则保持或多或少的稳定。尽管实践效应很可能会稀释我们在受试者内关联方面的发现,但受试者之间的强烈效应表明,KD作为信息处理速度的生物标志物是有希望的。因此,使用KD监测认知需要进一步研究,临床认知结果更敏感或受实践效果影响更小,并且研究人群可以更密切地关注认知功能(即,通过将认知缺陷的存在作为选择标准或使用更长的随访时间),以证明比测量变异性或学习效果更大的效果。同样,在同一队列中发现基于智能手机的认知测试在横截面水平上是有效的,但在纵向观察变化时缺乏响应性,因为受试者内部的变化比受试者之间的差异更微妙,测量结果可能是可变的[
]。此外,更先进的分析方法,如非线性模型,可能会提高灵敏度,并允许更高频率的击键数据和进一步的调查[ , ]。限制
应该考虑到一些限制。首先,尽管在分析中建模时间考虑了分数随时间的变化,但没有调整练习效果,例如在整个研究过程中进行健康控制。此外,在当前的队列中,由于他们每周同时使用智能手机变体SDMT和数字生物标志物,练习效果可能会加剧。其次,我们研究了MS中与智能手机打字直接相关的两个常见影响领域:上肢功能和信息处理速度。实际上,多发性硬化症需要更广泛的功能领域和相关的治疗结果。我们在当前的队列中收集了广泛的临床结果,这些数据应该在未来的工作中进行检查,以便将KD作为监测ms的完整工具。最后,大量患者缺少临床数据,最突出的是在M6和M9由于COVID-19大流行,这也产生了偏倚,因为继发性或原发性进展性MS患者比复发-缓解型MS患者更容易错过临床就诊。
结论
根据被动获取的智能手机KD数据构建的击键簇显示,通过常用的上肢功能和认知功能临床结果测量,在纵向设置中反映了MS患者的功能。在纵向重复测量分析中,精细运动击键簇被发现与患者的上肢功能有关。这证明了KD在ms中用于监测和预测目的,监测KD的认知功能需要进一步研究,因为在整个模型中发现了显著的关联,但这主要依赖于患者之间的差异,而不是患者内部的变化,而与临床措施相关的实践影响可能会加剧这种差异。总之,分型期间的KD提供了关于日常上肢和认知功能的时间和颗粒水平的详细数据。我们目前的研究结果首次证明了多发性硬化症的临床结果与智能手机打字性能之间的联系。随着治疗干预措施的不断扩大,KD作为一种远程被动生物标志物可能会改善MS的临床评估和以患者为中心的疾病管理,未来研究的重要步骤是研究其他高度相关的MS结果,如疾病活动性,以及通过在个体患者水平的临床实践中监测当前结果的外部有效性。
致谢
作者感谢所有参与这项研究的患者。作者还披露了对本文的研究、撰写和发表的以下财政支持:由荷兰卫生部、顶级生命科学与健康部门(资助号LSHM16060-SGF)提供的公私伙伴关系津贴,以及资助多发性疾病研究(资助号16-946 MS),以促进公私伙伴关系;Biogen也提供了无限制的资金。
数据可用性
未在文章中发表的匿名数据可根据合格调查员的要求提供。此类请求必须以书面形式提交,并将对研究人员资格和研究目的的合法性进行审查。
作者的贡献
KHL对研究的设计和概念化做出了贡献,在数据的获取、分析和解释方面发挥了主要作用,并起草和修改了智力内容的手稿。JT在数据的获取、分析和解释方面发挥了主要作用,并为修改手稿中的知识内容做出了贡献。BLW对数据进行了分析和解释,并修改了手稿中的知识内容。GL对数据进行了分析和解释,并修改了手稿中的知识内容。KM为修改手稿中的知识内容做出了贡献。BU参与了研究的设计和构思,并修改了智力内容的手稿。VDG参与了研究的设计和构思,分析和解释数据,以及修改手稿中的智力内容。JK参与了研究的设计和构思,分析和解释数据,以及修改手稿中的智力内容。
利益冲突
KHL, BLW和VDG声明没有利益冲突。JT、GL和KM是行业合作伙伴Neurocast BV的员工。BU从百健爱德、Genzyme、默克雪兰诺、诺华、罗氏和梯瓦获得了咨询费。JK接受了默克(Merck)、百健(Biogen)、梯瓦(Teva)、Genzyme、罗氏(Roche)和诺华(Novartis)的演讲和咨询费。
补充表1。主成分分析的时间相关和错误相关/副语言击键功能。
DOCX文件,13 KB
补充表2。与时间相关的按键特征的相关矩阵。
DOCX文件,13 KB
补充表3。错误相关/辅助语言击键特征的相关矩阵。
DOCX文件,13 KB
补充图1。研究期间个体患者NHPT得分折线图。
PNG文件,176 KB
补充图2。研究期间个体患者SDMT评分折线图。
PNG文件,160kb参考文献
- Hauser SL, Cree BA。多发性硬化的治疗:综述。中华医学杂志,2016;33(12):1380-1390。e2 (免费全文] [CrossRef] [Medline]
- 李建军,李建军,李建军。进行性多发性硬化:从病理生理学到治疗策略。Nat Rev Drug discovery 2019 Dec 09;18(12):905-922。[CrossRef] [Medline]
- 李建军,李建军,李建军,李建军。多发性硬化症患者髓鞘再生的研究进展。中华神经科杂志,2020;19(8):678-688。[CrossRef] [Medline]
- Motl RW, Sandroff BM, Kwakkel G, Dalgas U, Feinstein A, Heesen C,等。多发性硬化症患者的运动柳叶刀神经学报,2017;16(10):848-856。[CrossRef] [Medline]
- gover Y, Chiaravalloti ND, O'Brien AR, DeLuca J.多发性硬化症患者的循证认知康复:2007 - 2016年文献更新综述。中华医学杂志,2018;39(2):390-407。[CrossRef] [Medline]
- 李建军,李建军,李建军,等。定义多发性硬化症的临床病程:2013年修订版。神经病学2014年7月15日;83(3):278-286 [j]免费全文] [CrossRef] [Medline]
- Kurtzke摩根富林明。评价多发性硬化症的神经功能损害:扩展残疾状态量表(EDSS)。神经病学1983年11月1日;33(11):1444-1452。[CrossRef] [Medline]
- Cutter GB, Baier ML, Rudick RA, Cookfair D, Fischer J, Petkau J,等。多发性硬化症功能复合物的发展作为临床试验结果的衡量标准。脑科学1999;22(5):871-882。[CrossRef] [Medline]
- Goldman MD, LaRocca NG, Rudick RA, Hudson LD, Chin PS, Francis GS,多发性硬化症结局评估联盟。使用合并临床试验数据评估多发性硬化症残疾结局指标。神经病学2019;11月19日;93(21):e1921-e1931 [j]免费全文] [CrossRef] [Medline]
- 林凯,梅杰,Loonstra F, overver E, Twose J, Redeman E,等。现实世界的击键动力学是多发性硬化症临床残疾的潜在有效生物标志物。multiscler 2021 Aug 05;27(9):1421-1431 [j]免费全文] [CrossRef] [Medline]
- 林凯,李建军,李建军,等。智能手机衍生的击键动力学对多发性硬化症的相关变化很敏感。中华神经科杂志,2010;29(2):522-534 [J]免费全文] [CrossRef] [Medline]
- 李建军,李建军,李建军,等。基于键盘动力学的多发性硬化症患者疾病活动的早期预警信号。《混沌2020》;30(11):113133。[CrossRef] [Medline]
- Neurokeys。Neurocast BV。URL:https://neurokeys.app/[2022-10-13]访问
- Feys P, Lamers I, Francis G, Benedict R, Phillips G, LaRocca N,多发性硬化症结局评估联盟。九孔钉测试作为多发性硬化症手灵巧性能的测量。multiscler 2017年4月16日;23(5):711-720 [j]免费全文] [CrossRef] [Medline]
- Denney DR, Lynch SG, Parmenter BA。一项对原发性进行性多发性硬化患者认知障碍的3年纵向研究:速度很重要。中华神经科学杂志,2008;26(1):129-136。[CrossRef] [Medline]
- Benedict RH, DeLuca J, Phillips G, LaRocca N, Hudson LD, Rudick R,多发性硬化症预后评估联盟。符号数字模态测试作为多发性硬化症认知表现结果测量的有效性。高分子学报2017年4月16日;23(5):721-733 [j]免费全文] [CrossRef] [Medline]
- 科恩J. power primer。精神病学杂志1992;12(1):155-159。[CrossRef] [Medline]
- Twisk JWR。应用混合模型分析:实用指南,第二版。剑桥,英国:剑桥大学出版社;2019.
- 柯伦PJ,鲍尔DJ。纵向变化模型中人内效应和人间效应的分解。精神病学杂志2011年1月10日;62(1):583-619 [j]免费全文] [CrossRef] [Medline]
- 混合模型被发现可以很好地解开受试者内部和受试者之间的纵向关系。中华临床流行病学杂志,2019;37(1):66-70。[CrossRef] [Medline]
- 马多纳多G,格陵兰S.混杂选择策略的仿真研究。中华流行病学杂志1993;38(11):923-936。[CrossRef] [Medline]
- Rijnen SJM, Meskal I, Emons WHM, Campman CAM, van der Linden SD, Gehring K,等。广泛使用的计算机神经心理学电池的规范数据的评估:适用性和社会人口变量在荷兰样本的影响。2020年3月12日;27(2):373-383 [免费全文] [CrossRef] [Medline]
- Arroyo-Gallego T, Ledesma-Carbayo MJ, Sanchez-Ferro A, Butterworth I, Mendoza CS, Matarazzo M,等。通过移动触摸屏打字检测帕金森病的运动损伤。生物医学工程学报,2017;64(9):1994-2002。[CrossRef] [Medline]
- 亚当斯的车手。使用打字时手指运动的多种特征高精度检测早期帕金森病。PLoS One 2017 Nov 30;12(11):e0188226 [j]免费全文] [CrossRef] [Medline]
- Iakovakis D, Hadjidimitriou S, Charisis V, Bostantzopoulou S, Katsarou Z, Hadjileontiadis LJ。用于检测早期帕金森病精细运动技能下降的触摸屏类型分析。科学通报2018;8(1):7663-7613 [j]免费全文] [CrossRef] [Medline]
- Iakovakis D, Chaudhuri KR, Klingelhoefer L, bostantjoopoulou S, Katsarou Z, Trivedi D,等。通过深度学习筛选触屏打字引起的帕金森细微精细运动障碍。科学通报2020;10(1):12623-12613 [j]免费全文] [CrossRef] [Medline]
- Papadopoulos A, Iakovakis D, Klingelhoefer L, bostantjoopoulou S, Chaudhuri KR, Kyritsis K,等。使用深度学习技术从多模态和野外传感器数据中不显眼地检测帕金森病。科学通报2020;07;10(1):21370-21310 [j]免费全文] [CrossRef] [Medline]
- 范教授道明。基于模糊递归和可扩展递归网络特征的健康对照和早期帕金森病患者计算机击键时间序列模式分析神经科学方法2018年9月1日;307:194-202。[CrossRef] [Medline]
- Londral A, Pinto S, de Carvalho M.肌萎缩性侧索硬化症上肢功能障碍标志物的分型分析。中华神经医学杂志,2016;27(1):925-931。[CrossRef] [Medline]
- Zulueta J, Piscitello A, Rasic M, Easter R, Babu P, Langenecker SA,等。用手机击键元数据预测情绪障碍严重程度:一项BiAffect数字表型研究。中国医学信息学报,2018;20(7):e241 [J]免费全文] [CrossRef] [Medline]
- 刘建军,李建军,李建军,等。在大型开放科学样本中,情绪和衰老对击键动力学元数据及其日模式的影响:一项BiAffect iOS研究。医学信息学报,2020,01;27(7):1007-1018 [J]免费全文] [CrossRef] [Medline]
- de Groot V, Beckerman H, Uitdehaag BMJ, de Vet HCW, Lankhorst GJ, Polman CH,等。评价结果测量在多发性硬化症患者中的有效性。脑脑科学2006;10;29(10):2648-2659。[CrossRef] [Medline]
- 王晓明,王晓明,王晓明,等。纳他珠单抗治疗多发性硬化症患者的符号指模态测试效果。多发性硬化症2016年11月10日:116-122。[CrossRef] [Medline]
- 林凯,van Oirschot P, den Teuling B, Hulst H, de Jong B, Uitdehaag B,等。基于智能手机的多发性硬化症认知测试的信度、结构和并发效度。multiscler 2022 Feb 26;28(2):300-308 [j]免费全文] [CrossRef] [Medline]
- Lam K, Bucur IG, Van Oirschot P, De Graaf F, Weda H, Strijbis E,等。数字时代对多发性硬化症患者认知的个体化监测:一项为期一年的队列研究。多发性硬化症相关疾病[j]; 2011; 26 (4): 391 - 391 [免费全文] [CrossRef] [Medline]
缩写
CSC:认知评分聚类 |
eds:扩展残疾状况量表 |
FMSC:精细运动评分组 |
KD:击键力学 |
核磁共振成像:磁共振成像 |
女士:多发性硬化症 |
所有:多发性硬化功能复合材料 |
NHPT:九孔钉试验 |
SDMT:符号数字模态测验 |
编辑:A Mavragani;提交28.02.22;由谢Z、默里D同行评议;对作者的评论19.05.22;修订版本收到31.07.22;接受22.08.22;发表07.11.22
版权©Ka-Hoo Lam, James Twose, Birgit Lissenberg-Witte, Giovanni Licitra, Kim Meijer, Bernard Uitdehaag, Vincent De Groot, Joep Killestein。原载于医学互联网研究杂志(//www.mybigtv.com), 2022年11月7日。
这是一篇在知识共享署名许可(https://creativecommons.org/licenses/by/4.0/)下发布的开放获取文章,该许可允许在任何媒介上不受限制地使用、分发和复制,前提是原始作品首次发表在《医学互联网研究杂志》上,并适当引用。必须包括完整的书目信息,到//www.mybigtv.com/上原始出版物的链接,以及版权和许可信息。