Nya demensriskfaktorer avslöjade
Med hjälp av en stor och omfattande databas upptäcker forskare nya kombinationer av faktorer som ökar risken för demens senare i livet. Resultaten kan hjälpa kliniker att upptäcka personer i riskzonen.
Demens är ett växande problem. Eftersom befolkningen åldras och att leva längre liv börjar bli normen, är det loppet att förstå varför demens uppstår.
Över hela världen är demens den främsta orsaken till funktionshinder och beroende hos äldre vuxna.
I USA lever 5,7 miljoner människor med Alzheimers, vilket är den vanligaste formen av demens. År 2050 förutses denna siffra öka till 14 miljoner.
För närvarande finns det inga effektiva behandlingar, så det är viktigt att förstå de bidragande faktorerna om vi ska klämma i knoppen.
Avplockar data
Som en del av pressen för att förstå vilka faktorer som är involverade i utvecklingen av dessa förhållanden dyker forskare ivrigt in i alla tillgängliga datamängder. Det är bara genom att dissekera stora pooler av befolkningsdata som tydliga mönster börjar dyka upp.
En sådan datakälla är Framingham Heart Study (FHS), som inleddes 1948. Hittills har den följt tre generationer av deltagare, och dess primära funktion är att observera de vanliga faktorerna som bidrar till hjärt-kärlsjukdomar.
Forskare vid Boston University School of Medicine i Massachusetts utnyttjade nyligen den mängd data som samlats in som en del av FHS. Motsvarande författare Rhoda Au, Ph.D. - professor i anatomi och neurobiologi - förklarar syftet med deras studie:
"Genom att fokusera på modifierbara riskfaktorer hoppas vi kunna identifiera riskfaktorer för sjukdom som kan förändras, vilket möjliggör möjligheten att förhindra demens."
Deras nya analys var den första som använde en maskininlärningsstrategi för att skapa en tydligare bild av de riskfaktorer som bidrar till demens. Maskininlärning använder avancerade statistiska tekniker som gör att datorsystem kan "lära sig" med data utan att vara specifikt programmerade.
Med andra ord, system lär sig av att visa data och kan upptäcka mönster utan att människor behöver vägleda sin "tanke" -process.
Maskininlärning inspekterar demens
Forskarna använde data som togs 1979–1983 och de var särskilt intresserade av information om demografi och livsstil. Deras resultat publicerades nyligen i Journal of Alzheimers Disease.
Inte överraskande exponerades ålder som en signifikant riskfaktor. När vi åldras ökar våra chanser att utveckla demens, och detta har länge varit känt. Emellertid fann författarna andra signifikanta förhållanden gömda i data, eftersom de förklarar:
"Analysen identifierade också ett civilstånd som" änka ", lägre BMI och mindre sömn i mitten av livet som riskfaktorer för demens."
De hoppas att resultaten kommer att vara användbara för både frontlinjekliniker och befolkningen i stort. Till exempel, om en åldrande släkting är änka och undervikt, kan det vara klokt att hålla en noggrann vakt för de tidiga tecknen på demens.
Prof. Au säger, "Vi ville identifiera information som alla läkare eller till och med icke-läkare har lätt tillgång till för att bestämma potentiell ökad framtida risk för demens."
”De flesta screeningverktyg för demens kräver specialutbildning eller testning”, tillägger hon, “men frontlinjen för screening är primärvårdsläkare eller familjemedlemmar. Detta var också ett första försök att tillämpa maskininlärningsmetoder för att identifiera riskfaktorer. ”
Nu kostar demens USA drygt 150 miljarder dollar varje år, och det är därför viktigt att hitta sätt att begränsa detta långsamt växande problem. Dessa resultat ger ny insikt och potentialen att minimera framtida effekter av demens.
Som författarna skriver, "Demografiska faktorer och livsstilsfaktorer som är icke-invasiva och billiga att genomföra kan bedömas i mitten av livet och användas för att potentiellt modifiera risken för demens i sen vuxen ålder."
Att förstå riskfaktorerna bakom demens kan hjälpa samhället att minimera den skada som det kan orsaka.
