【模板】临床前AD的生物标志物准确预测病理结果

前言：

疾病的预后因素研究，是临床科研的主要方向之一。

本次我们继续以Brain杂志(IF 15.255)的一篇论文为例分享，主题为“F因素可准确预测D疾病的病理表型”。

该论文的题目是“Preclinical Alzheimer’s disease biomarkers accurately predict cognitive and neuropathological outcomes（临床前阿尔茨海默病生物标志物可准确预测认知和神经病理学结果）”，发表于2022年。

临床前阿尔茨海默病生物标志物可准确预测认知和神经病理学结果

(图源：Medical information on Google)

阿尔茨海默病（AD），在国内也称为老年性痴呆，是老年期痴呆的最常见原因；其神经病理学特征是存在由聚集的淀粉样蛋白-β（Aβ）肽组成的细胞外斑块和由聚集的过度磷酸化tau蛋白（p-tau）的神经元内包涵体组成的神经原纤维缠结。

大量证据支持AD神经病理学变化（ADNC）早在有症状疾病发作前数年就已经在大脑中积累。

既往研究指出，脑脊液Aβ42 水平与认知正常个体的淀粉样蛋白成像标志物呈负相关，这可预测进展为症状性AD和全脑萎缩；而在常染色体显性AD队列中出现症状疾病的预期发病时间之前几十年就已经出现Aβ42的减少、总tau和p-tau181水平的升高。

淀粉样蛋白PET成像和CSF p-tau181/Aβ42 是公认的用于诊断已确认认知障碍患者AD的方法。

然而，验证这些方法的早期神经病理学相关性研究采用了参与者人数较少的队列或基于死后生物标志物评估。在尸检确认的队列中进行的更大规模的随访研究要么侧重于预期寿命短的绝症参与者或主要由认知障碍参与者组成的队列，很少有临床前AD研究验证了这些与金标准神经病理学诊断相关的研究。

在这项研究中，该研究团队评估了在社区居住参与者的大型研究中，认知正常参与者的淀粉样蛋白 PET 成像或 CSF 生物标志物测试的总体使用是否准确预测尸检时的认知结果和 ADNC。

今天解读的这篇文章目的在于确定淀粉样蛋白PET成像或CSF生物标志物是否能准确预测认知结果和阿尔茨海默病神经病理学。

课题的设计和主要结果

我们通过对原文的设计和结果进行重新总结和整理，提取对临床医生有帮助的研究思路。

1，课题设计

这项研究的设计非常非常简单，如下面的流程图所示。

（作图：Hanson临床科研）

归纳本研究的主要研究方法如下：

1）受试者纳入标准：

入组的受试者要有严格定义的诊断指标、入组条件和排除条件，这通常是临床文章方法学部分的第一条。特别需要说明的是，设计人体的研究，都需要有所在机构的伦理批件，并且说明受试者是否签有知情同意。

本研究中受试者是认知正常的社区居民，基线年龄为42.5至91.2岁，他们在圣路易斯华盛顿大学医学院的奈特阿尔茨海默病研究中心 (ADRC) 参加了记忆和衰老的纵向研究。

2）检测项目及评估指标：

2.1）所有参与者接受临床痴呆评级® (CDR®)和简易精神状态检查 (MMSE)：指定的 CDR 评分描述了痴呆的严重程度（CDR 0 = 认知正常，CDR 0.5 = 非常轻微的痴呆，CDR 1 = 轻度痴呆，CDR 2 = 中度痴呆，CDR 3 = 严重痴呆）。

如果参与者在基线临床评估时为 CDR 0，要在12个月内完成腰椎穿刺 (LP)和/或淀粉样蛋白 PET 成像并至少进行了一次额外的临床评估。

2.2）APOE ɛ基因分型和多基因风险评分的计算：每位受试者的APOE ɛ基因型状态由Knight ADRC的遗传学中心提供。由遗传学中心计算并提供每个参与者的多基因风险评分（PRS），该评分使用已知与 AD 风险相关的 24 个单核苷酸多态性的基因型状态得出。PRS表示为总和log₂转换的优势比。

2.3）神经病理学评估：八十二名参与者在研究期间死亡，其中57人提供了尸检同意书，大脑由Knight ADRC神经病理学中心内经验丰富的神经病理学家进行评估。除了Aβ、tau和p-tau之外，还记录了共病神经病理学诊断，包括路易体病理学、海马硬化、TDP-43包涵体、额颞叶变性（FTLD）、其他原发性 tau 病变、脑血管疾病、梗塞和出血。

3）统计方法及分析流程：

计算所有参与者以及生物标志物阴性和生物标志物阳性亚组的连续变量（平均值/中位数和标准差）和分类变量（百分比）的汇总统计数据。对于生物标志物阴性与生物标志物阳性比较，两个样本 t 检验用于连续变量，两个比例的z 分数检验用于分类变量。如果不满足参数检验假设，则使用连续变量的Wilcoxon秩和检验以及比例的卡方检验和二项式检验。

将死亡作为竞争风险的Cox比例风险模型用于比较生物标志物阴性和生物标志物阳性参与者进展至CDR>0的概率。生物标志物阳性用作主要效应和中心年龄（用于统计建模的标准化年龄）、APOE ε4 携带者状态（0 = 非携带者，1 = 携带者）、性别、自我报告的种族、中心教育（年）、PRS ，从基线到最后一次临床评估的时间间隔（年），以及这些变量的所有双向交互项都作为协变量包括在内。对于这些模型，报告了风险比 (HR) 及其具有p值的95%置信区间。

逻辑回归模型用于评估基线阳性生物标志物对具有神经病理学数据的受试者尸检中高ADNC几率的影响。与Cox模型一样，模型中包括生物标志物阳性、中心年龄、APOE ε4 携带者状态、性别、种族、中心教育、PRS 以及从基线到死亡的时间间隔。单变量逻辑回归模型用于评估每个基线个体生物标志物对尸检时中高ADNC几率的影响。单变量有序逻辑回归模型用于评估每个基线个体生物标志物对较不晚期Braak阶段和Thal阶段的累积几率的影响。

强大的医学统计处理，是高质量临床论文的关键之一。

2，主要结果

首先研究人员总结了受试者的基线特征和认知结果。

其中，117人 (16.3%) 只接受了CSF采集，252人(35.0%)只接受了淀粉样蛋白PET成像，351人 (48.7%) 完成了CSF采集和淀粉样蛋白PET。

22.5% 的生物标志物阳性和 14.4% 的生物标志物阴性参与者是根据 CSF 评估定义的，而77.5% 的生物标志物阳性和 85.6% 的生物标志物阴性参与者是根据淀粉样蛋白 PET 评估定义的。

2. 1 认知结局

在评估期间，与生物标志物阴性参与者 (8.4%) 相比，在最后一次评估中，生物标志物阳性参与者 (34.4%) 从正常认知 (CDR = 0) 进展到认知障碍 (CDR > 0) 的比例显着更高 (p< 0.0001)。

当通过从初始生物标志物到最终评估的随访时间间隔进行评估时，与生物标志物阴性 (12.5%) 相比，更高比例的生物标志物阳性 (53.3%) 参与者在随访 10-15 年时进展为 CDR > 0基线评估（p=0.0003）。

在最后一次评估中进展为 CDR > 0 (n=55) 的所有生物标志物阳性参与者中，从检测到阳性生物标志物到出现认知障碍的平均时间间隔为 3.9 年（标准差 2.5 年，范围 0.9-10.9 年）。

随后，研究人员为了确定生物标志物状态、年龄、性别、自我报告的种族、受教育年限、APOE ɛ4 携带者状态、PRS 以及从基线评估到最终评估的间隔对进展为 CDR > 0 的风险的影响，利用多变量 Cox 比例风险回归将死亡作为竞争风险用于模拟这些协变量对 CDR 进展的影响，具体结果见下图1。

图1. 生物标志物阴性和阳性组的生存分析和纵向生物标志物趋势。

2.2 神经病理学结果

82名参与者在随访过程中死亡，57名（70%）进行了尸检。临床特征和神经病理学结果详见表2，在此不多做赘述。

表2. 完成尸检的已故受试者的临床特征和神经病理学诊断。

需要注意的是，临床前AD生物标志物阳性是尸检时潜在的中高ADNC的一个非常强的预测因子，数据显示90.9% 临床前AD生物标志物阳性的参与者在尸检时ADNC处于中到高水平。

临床前 AD 生物标志物阳性与预测中高 ADNC 的高灵敏度 (87.0%)、特异性 (94.1%)、阳性预测值 (PPV) (90.9%) 和阴性预测值 (NPV) (91.4%)（表3）。

表3. 临床前AD生物标志物在尸检中预测中高ADNC的诊断性能

随后，研究人员在按基线生物标志物名称和最终AD神经病理学结果分层后绘制了基线生物标志物值（图 2）。

在所有情况下，与那些被正确分配的参与者相比，那些具有假阳性或假阴性基线生物标志物分配的参与者具有更接近阈值的基线生物标志物值。为了进一步研究这一点，研究人员继续在这些不一致的病例中评估了个体 AD 神经病理学评分。

图2. 按生物标志物状态和最终AD神经病理学诊断分层的参与者的基线生物标志物水平

研究人员继续通过采用单变量逻辑回归模型进一步探索生物标志物水平与神经病理学结果之间的关联，其中基线单一生物标志物水平作为自变量，中高ADNC概率作为因变量，表4、表5总结了这些分析的优势比。

这些模型表明，CSF Aβ42 水平升高与每单位变化的中高 ADNC 几率显着降低相关，而 CSF p-tau181、t-tau、p-tau181/Aβ42、和淀粉样蛋白 PET值与每单位变化中高 ADNC 的几率显着增加有关。

此外，p-tau-181、t-tau、p-tau-181/Aβ42 和淀粉样蛋白 PET 值与每个生物标志物单位变化的尸检时更晚期的 Braak 阶段和 Thal 阶段病理学的几率显着增加有关。

这些模型产生的概率曲线如图3所示。

表4. 基线个体生物标志物对尸检时出现中高ADNC几率的影响

表5. 基线个体生物标志物对较不晚期 Braak 阶段或 Thal 阶段病理学累积几率的影响

图3. ADNC 病理学的概率曲线作为基线单一生物标志物值的函数。

Hanson解读

之所以推荐这篇论文，是因为这篇论文与之前的推荐有同样的特点：

A, 可以在其他疾病中复制（其他类似的神经退行性疾病如PD和ALS）的论文模板。
B, 临床医生较易完成（相较于基础研究更容易获取临床数据），但本篇对统计学专业能力要求较高。

C, 作者的选题是一个医生很熟悉的课题。

D，通过精巧的课题设计和统计分析，获得创新性结果。

1. 简单总结本研究的主要结论

• 这项工作证明通过CSF或淀粉样蛋白PET对AD生物标志物的临床前检测与发生认知障碍的风险显着升高相关，并且在尸检时高度预测中度至高度 ADNC，证明出现认知障碍的生物标志物阴性参与者更有可能在尸检时表现出非阿尔茨海默病病理；

• 临床前阿尔茨海默病生物标志物的检测可强烈预测未来的认知障碍，并准确预测尸检时阿尔茨海默病神经病理学的存在。

2. 研究优势：

1）. 应用：与大多数已发表的生物标志物尸检验证研究不同，本研究支持筛查社区中认知正常的个体：仅仅基于血浆生物标志物即可对普通人群进行大范围筛查。

2）. 前瞻性纵向认知随访的规模和持续时间：从最初的生物标志物评估开始，对 87 名参与者（占总队列的 12.1%）进行了10-15年的随访。

3）. 合理并专业应用多种统计学方法：这项研究最终能发表于15分+的杂志，很大一部分原因在于对数据的合理且专业的统计学分析以支撑其结论。

3. 创新性不足的研究如何满足审稿人苛刻的要求？

选重要而未解决的问题、方法学严谨可靠、认真回复审稿人意见，是论文得以发表的三个关键。

其中部分难以解决的审稿人意见就放在研究的局限性中。

1）. 受试者人群：高度积极参与研究的个人，其中许多人同意连续腰穿，因此，这个人群不太可能代表一般社区。

2）.有限的样本量：限制了神经病理学评估的范围。

3）. 利用CSF或淀粉样蛋白PET 组合定义，而没有单独分析其中一种生物标志物检测方法。

4）. 在尸检时，有相当大比例的临床前 AD 生物标志物阳性的参与者在尸检前尚未出现认知障碍（31.8%），这意味着他们不符合 AD 痴呆的临床标准。

5）. 没有明确证明临床前AD生物标志物或ADNC的检测过程是否不可避免地导致受影响参与者的认知障碍。

4. 科研启发

如果您的样本或者研究能够突破上述局限性，则就是在此基础上又一项高质量的研究。

如果您有随访很好的连续性数据库，对于其他疾病，也可以按照这个模板来进行随访和研究。

好了，今天的分享就到这里；希望对您有所启发。也欢迎点赞转发。

更多有用的免费资源：

（点击👆图片，进入自己感兴趣的专辑。或获得点击“资源”，浏览本公众号所有资源。）

编辑：Henry，微信号：Healsan；作者：Dr. Qi；点评：Mark。

课题设计和统计分析是临床科研的关键；如果您需要课题设计的大数据分析或统计分析服务，美国MedEditing可以提供帮助。与Henry联系即可。

点击👆，关注医学科研创新性思维