Nền tảng
Sa sút trí tuệ, bao gồm bệnh Alzheimer (AD), là một thách thức sức khỏe toàn cầu quan trọng và đang gia tăng, gây gánh nặng đáng kể cho cá nhân, gia đình và hệ thống y tế trên toàn thế giới. Việc xác định sớm những người có nguy cơ cao là điều cần thiết để can thiệp kịp thời, phòng ngừa và phân bổ nguồn lực. Nhiều công cụ đánh giá rủi ro đã được phát triển để dự đoán rủi ro sa sút trí tuệ, nhưng hiệu suất và tính hữu ích lâm sàng của chúng vẫn chưa rõ ràng. Bài viết này xem xét một phân tích so sánh gần đây của Stubs et al. đánh giá năm chỉ số rủi ro sa sút trí tuệ—ANU-ADRI, CAIDE, CogDrisk, LIBRA, và LIBRA2—trong bối cảnh Nghiên cứu Sức khỏe Trøndelag (HUNT) quy mô lớn, dựa trên dân số ở Na Uy.
Thiết kế nghiên cứu và phương pháp
Mẫu nghiên cứu bao gồm 5.247 người tham gia Na Uy từ HUNT4 70+ (2017-2019), với dữ liệu yếu tố rủi ro ban đầu được lấy từ HUNT3 (2006-2008). Các tác giả đã đánh giá năm chỉ số rủi ro có thể thay đổi—ANU-ADRI, CAIDE, CogDrisk, LIBRA, và LIBRA2—chuẩn hóa điểm số để so sánh phân tích. Để đối chiếu các chỉ số đa yếu tố này với các mô hình nhân khẩu học đơn giản hơn, một mô hình “chỉ dựa trên nhân khẩu học” bao gồm tuổi và giáo dục cũng được sử dụng.
Các phân tích hồi quy logistic đã đánh giá mối liên hệ giữa mỗi chỉ số và sa sút trí tuệ do tất cả nguyên nhân và AD trong khoảng thời gian theo dõi trung bình 10,6 năm. Các phân tích phân tầng đã kiểm tra hiệu suất dự đoán theo độ tuổi (<65 vs. ≥65 tuổi), giới tính và tình trạng mang gen APOE ε4. Hiệu suất phân biệt của mô hình được lượng hóa bằng diện tích dưới đường cong đặc trưng hoạt động nhận dạng (AUC), với các so sánh thống kê được thực hiện bằng bài kiểm tra DeLong.
Kết quả chính
Tất cả năm chỉ số đều có liên quan đáng kể đến rủi ro sa sút trí tuệ, khẳng định tính liên quan của chúng trong việc phân loại rủi ro. Tuy nhiên, không có chỉ số nào vượt qua khả năng phân biệt đạt được bởi mô hình chỉ dựa trên nhân khẩu học bao gồm tuổi và giáo dục.
Trong số các chỉ số rủi ro, CogDrisk thể hiện khả năng phân biệt cao nhất (AUC=0,76, 95% CI: 0,74-0,78), vượt trội đáng kể so với các chỉ số khác (p<0,05). LIBRA (AUC=0,75, 95% CI: 0,72-0,77) và ANU-ADRI (AUC=0,74, 95% CI: 0,72-0,76) theo sau sát nút. Ngược lại, LIBRA2 (AUC=0,69, 95% CI: 0,66-0,71) và CAIDE (AUC=0,59, 95% CI: 0,56-0,61) cho thấy độ chính xác thấp hơn đáng kể (p<0,001), với hiệu suất của CAIDE đặc biệt hạn chế trong mẫu này.
Loại bỏ các biến nhân khẩu học khỏi các chỉ số làm giảm độ chính xác dự đoán trên tất cả các mô hình nhưng giữ nguyên thứ hạng tương đối giữa các chỉ số, nhấn mạnh giá trị tiên lượng chủ đạo của tuổi và giáo dục.
Các phân tích phân tầng tiết lộ rằng dự đoán rủi ro mạnh mẽ hơn trong số những người tham gia từ 65 tuổi trở lên và nữ giới ở thời điểm ban đầu, đề xuất có thể có sự khác biệt theo độ tuổi và giới tính trong tác động của yếu tố rủi ro hoặc hiệu chỉnh chỉ số. Tình trạng APOE ε4 không ảnh hưởng đáng kể đến hiệu suất dự đoán của các chỉ số.
Bình luận chuyên gia
Các kết quả nhấn mạnh một số điểm quan trọng về mặt lâm sàng và phương pháp. Thứ nhất, mặc dù các chỉ số rủi ro có thể thay đổi tổng hợp có giá trị sử dụng, các yếu tố nhân khẩu học đơn giản—tuổi và giáo dục—vẫn là những dự đoán mạnh mẽ về rủi ro sa sút trí tuệ. Điều này đặt ra câu hỏi về giá trị lâm sàng tăng thêm và độ phức tạp của việc sử dụng các chỉ số đa yếu tố so với các mô hình đơn giản hơn, đặc biệt là trong các cài đặt có nguồn lực hạn chế.
Hiệu suất vượt trội của CogDrisk có thể phản ánh việc bao gồm toàn diện các yếu tố hành vi và lối sống, củng cố bản chất đa yếu tố và có thể thay đổi của rủi ro sa sút trí tuệ. Tuy nhiên, hiệu suất tương đối kém của CAIDE—một chỉ số được biết đến rộng rãi—cho thấy việc xác minh chỉ số trong các dân số và cài đặt đa dạng là rất quan trọng trước khi triển khai lâm sàng rộng rãi.
Các sự khác biệt theo độ tuổi và giới tính nhấn mạnh sự cần thiết phải có các công cụ dự đoán rủi ro tùy chỉnh điều chỉnh cho sự đa dạng của dân số. Sự thiếu ảnh hưởng của tình trạng APOE ε4 có thể cho thấy các chỉ số này bắt được các con đường rủi ro độc lập một phần với sự dễ mắc gen, hoặc các tác động của APOE được tính toán đầy đủ thông qua các biến khác.
Các hạn chế bao gồm việc dựa vào các yếu tố rủi ro ban đầu được đo cách đây khoảng một thập kỷ trước khi chẩn đoán sa sút trí tuệ, có thể không phản ánh các thay đổi theo thời gian. Ngoài ra, sự đồng nhất của dân số nghiên cứu (người lớn Na Uy) có thể hạn chế tính tổng quát hóa đến các nhóm sắc tộc khác hoặc địa điểm địa lý.
Kết luận và hướng nghiên cứu tương lai
Phân tích so sánh này xác nhận rằng một số chỉ số rủi ro sa sút trí tuệ đã được thiết lập có khả năng dự đoán sa sút trí tuệ đáng kể, nhưng không có chỉ số nào rõ ràng vượt qua một mô hình rủi ro nhân khẩu học đơn giản dựa trên tuổi và giáo dục. Trong số các chỉ số, CogDrisk cho thấy độ chính xác tốt nhất và có thể mang lại giá trị thêm trong các cài đặt lâm sàng và nghiên cứu, nhưng cần tiếp tục hoàn thiện để cải thiện dự đoán theo độ tuổi và giới tính.
Nghiên cứu tương lai nên khám phá việc tích hợp dữ liệu rủi ro theo thời gian, thông tin di truyền và dấu ấn sinh học, và xem xét sự đa dạng xã hội-nhân khẩu học. Ngoài ra, các nghiên cứu thực tế cần được tiến hành để đánh giá xem các mô hình nhân khẩu học đơn giản hơn có thể đủ để sàng lọc trong các bối cảnh lâm sàng hoặc y tế công cộng cụ thể, cân nhắc giữa độ chính xác dự đoán và khả thi.
Trong thực hành lâm sàng, các bác sĩ nên nhận thức được điểm mạnh và hạn chế của các công cụ đánh giá rủi ro sa sút trí tuệ khác nhau và xem xét sử dụng chúng cùng với các chỉ số nhân khẩu học truyền thống để hỗ trợ các chiến lược phòng ngừa cá nhân hóa.
Tham khảo
Stubs J, Langballe EM, Livingston G, Anstey KJ, Deckers K, Mathews FE, Kivimäki M, Strand BH, Rokstad AM, Krokstad S, Selbæk G. Dự đoán rủi ro sa sút trí tuệ: Một phân tích so sánh của các chỉ số ANU-ADRI, CAIDE, CogDrisk, LIBRA, và LIBRA2 trong Nghiên cứu HUNT. J Prev Alzheimers Dis. 2025 Nov;12(9):100326. doi: 10.1016/j.tjpad.2025.100326. Epub 2025 Aug 18. PMID: 40829975; PMCID: PMC12501341.