移动医疗在阿尔茨海默症早期识别中的应用现状

，，

移动医疗在阿尔茨海默症早期识别中的应用现状

张媛媛，张志茹，董婷婷

从移动医疗用于阿尔茨海默症早期识别的实施方法、监测维度以及国内外发展现状进行综述,以期为降低阿尔茨海默症的发病率和延缓阿尔茨海默症发病时间提供新思路。

移动医疗;阿尔茨海默症；早期识别；安全监测；轻度认知障碍

老年痴呆是老年人群中最常见的致残性疾病之一[1],其中阿尔茨海默症(Alzheimer’s disease)占痴呆人数的60%～70%[2]。2015年国际阿尔茨海默症协会(Alzheimer’s Disease International)所做的全球痴呆报告中指出,全球每3.2 s产生1例阿尔茨海默症病人[3]。但阿尔茨海默症起病隐匿,早期容易被忽略和漏诊,约有50%患有早期阿尔茨海默症的病人没有被家属发现[4],相反如果能将阿尔茨海默症的发病年龄延迟10年,那在下一代人中病人数量将减少90%[3]。因此,对阿尔茨海默症病人早期识别显得特别重要。目前,国内外针对阿尔茨海默症病人的诊断主要依靠神经学量表,确诊有赖于脑组织的病理学检查,但此时阿尔茨海默症病人大多已经进入了中晚期[5]。近年来,有学者提出利用移动医疗(m-health)对阿尔茨海默症病人进行早期识别和安全监测,本研究就相关文献进行分析和总结,以期能够为降低阿尔茨海默症的发病率和延缓阿尔茨海默症发病时间提供新思路。

1 相关概念

1.1 移动医疗 指将手机、平板等通讯仪器应用到老年人的慢性病管理中的互联网设备[6]。通过技术,一方面可以不受时间和地点限制对病人进行实时健康监测、快速疾病诊断、识别行为变化等,便于卫生保健人员对病情变化及时干预；另一方面可促进疾病早期发现、诊断、干预和康复,从而使医疗资源得到更有效管理,医疗费用得到更有效的利用[7]。

1.2 早期阿尔茨海默症 也称为轻度认知障碍(mild cognitive impairment,MCI),它是正常老化和阿尔茨海默症的潜在转化状态,被公认为早期阿尔茨海默症[4,8]。与认知功能正常老年人每年1.0%～2.5%的阿尔茨海默症发病率相比,MCI每年约15%转归为阿尔茨海默症[9],5年～10年的阿尔茨海默症转归率为60.5%～100.0%[10]。研究也表明大约有50%早期阿尔茨海默症病人并没有被家属发现,直到病情加重至痴呆的中晚期,此时病人病情已不可逆[4]。

2 移动医疗的实施方法

2.1 实施对象 移动医疗用于早期阿尔茨海默症的识别和安全监测可作为有阿尔茨海默症高风险(75岁～84岁，父母患阿尔茨海默症,肥胖,受教育程度低等)的健康老年人的日常健康监测[10]。及早、客观、科学地发现老年人认知下降的趋势,及早干预,可以降低阿尔茨海默症发病率，早期发现并及时实施护理干预可有效预防和延缓老年痴呆的发生。

2.2 实施前准备

2.2.1 场所准备 移动医疗需要在老年人(特别适用于独居老年人)家中部署相应装置。

2.2.2 用物准备 移动医疗中传感器、无线网络、手机是实施监测的重要工具。在众多监测系统中,传感器是物联网应用中的一项关键技术。它是一种检测装置,能感受到被测量的信息,并能将检测感受到的信息,按一定规律变换成为电信号或其他所需形式的信息输出,以满足信息的传输、处理、存储、显示、记录和控制等要求，且具有成本低、侵入性小、耐用性强等实用性特点[11-12]。视频传感器因常常涉及隐私,因此已逐渐被淘汰[13]。见表1。

表1 移动医疗中传感器的应用

2.3 实施步骤 移动医疗系统是通过传感器监测与认知领域相关的老年人日常行为,经无线网传递数据至终端设备(手机、平板等),最终照顾者通过终端设备简单界面获取老年人的认知及安全状态。①具备一个有利于监测的环境：移动医疗监测系统的核心是认知行为,它能够早期识别老年人日渐下降的与认知功能相关的行为。所以,持续的监测是必不可少的。因此,移动医疗监测系统最适用于独居老人家中。②了解老年人日常生活习惯：因为人与人之间生活习惯的差异性,所以了解监测对象的日常生活习惯使监测更具有针对性、灵敏性以及准确性。如监测对象为女性75岁独居老年人,可通过在房屋门部署红外线传感器了解老年人何时出门、回家等。部署设备使用传感器可了解老年人何时做饭、洗衣、洗漱,还可监测设备使用的开关状态,以防忘记关煤气等设备。通过压力传感器可了解老年人何时睡觉、起床等。③用物的准备及安装：无线网络可通过路由器等设置WiFi。终端设备手机或其他由照顾者携带。由于传感器具有体积小、价位低以及不侵犯隐私的优势,因此可将传感器放置在对应的任何位置。例如压力传感器放置在沙发、床等附近，设备使用传感器放置在电磁炉、热水器、冰箱等附近，红外线传感器可放置在门上。④照顾者使用：传感器收集数据,无线局域网传输数据,终端设备手机等接收数据。

3 移动医疗用于轻度认知障碍病人的监测维度

目前,移动医疗针对早期阿尔茨海默症病人的识别核心是认知下降[4]。因此,为了能够识别早期阿尔茨海默症病人,不同学者从早期阿尔茨海默症病人的行为症状进行不同维度的行为监测,其监测维度多种多样。

3.1 睡眠 睡眠障碍是阿尔茨海默症病人主要的神经精神症状之一,早期阿尔茨海默症病人与正常老年人的睡眠状态存在差异[10]。大多数早期阿尔茨海默症病人存在着明显的睡眠障碍,多导睡眠图检查入睡潜伏期缩短、睡眠结构紊乱及阻塞性睡眠呼吸暂停低通气综合征增加,且早期阿尔茨海默症病人睡眠障碍时间明显早于认知下降的时间[4]。移动医疗依据轻度认知障碍病人出现睡眠异常的状态进行早期识别。①总睡眠时间：正常人的最佳总睡眠时间为7 h～9 h[4],认知功能下降可能导致睡眠障碍,同时睡眠障碍又加重认知下降,两者互相作用,导致早期阿尔茨海默症病人出现总睡眠时间日渐减少的现象[10]。②夜醒次数：夜醒次数是反应睡眠质量的标志之一,正常人夜醒次数为1次～2次,而大多数早期阿尔茨海默症病人的夜醒次数明显增多,睡眠质量下降[4]。③睡眠效率：低于85%可被诊断为失眠,早期阿尔茨海默症病人的睡眠效率低于正常老年人,阿尔茨海默症病人睡眠效率较两者低[14]。④其他：早醒、入睡时间、日间过度嗜睡、夜间躁动或游荡等[14-15]。

3.2 步态 步态能够反映人的定向和视空间能力[16]。早期阿尔茨海默症病人的步态有所变化,移动医疗可针对这种运动行为的改变作为早期阿尔茨海默症病人预测的一个维度[16]。①步速：早期阿尔茨海默症病人的记忆、定向和视空间能力等认知领域出现下降,影响其日常走路状态。取不同时间的波形对早期阿尔茨海默症病人走路速度的平均值或中间值进行分析,其24 h步速的波形变化成较正常人紊乱,其变化系数大于正常人的2倍[4]。②步态：通过对正常老年人和早期阿尔茨海默症病人建立两种不同多层隐马尔科夫模型(HHMM),两者差异显著,早期阿尔茨海默症病人HHMM模型更为不规则[16]。

3.3 日常生活活动能力(ADL) ADL能够全面反映老年人记忆力和活动能力,早期阿尔茨海默症病人记忆力和活动能力下降,间接影响ADL[4]。监测内容主要有清洁、做饭、用餐、看电视、药物依从等日常行为的监测。移动医疗可针对早期阿尔茨海默症病人进行ADL监测,最终形成连续几天/几个月的监测视图,早期阿尔茨海默症病人ADL行为紊乱,监测视图不规则[17]。

3.4 社会参与度 老年人的社会参与度与情绪状态存在相关性,情绪低落或抑郁会减少出门次数和时间。社会参与度可用外出时间和次数以及来访者时间和频率等指标来评估。①外出次数和时间：相比于正常老年人,认知受损的老年人倾向于少外出,社交过少是引起阿尔茨海默症的一个危险因素,随着认知功能逐渐下降,外出次数和时间可能会相对减少。②来访者时间和频率：来访者的停留时间、频率呈下降状态[4]。此外,老年人还会出现药物依从性下降、外出次数减少、激越行为、走失等现象[4]。根据不同早期阿尔茨海默症病人病情特征,可选择不同的维度和相应监测指标。见表2。

表2 早期阿尔茨海默症病人监测指标

4 国内外发展现状

由于移动医疗的客观性、经济实用性以及对早期阿尔茨海默症病人识别的灵敏性,已经被国外社区作为老年人的日常监测技术。由于我国利用移动医疗对早期阿尔茨海默症病人的识别和安全监测相关研究较少,故对该种方法的认识和应用尚处于初期。

4.1 国外移动医疗在阿尔茨海默症的早期识别和安全监测中的应用 在早期识别方面,国外多项纵向研究、病例-对照研究等从上述各个维度进行监测,最终从各个维度识别出早期阿尔茨海默症。从2004年起,美国的俄勒冈州健康与科技大学的研究员旨在利用移动医疗系统通过在上百家独居老年人家中部署装置,来实现对老年人“无处不在”的监测。通过移动医疗监测夜间身体不动的时间和夜间起床次数来分别评估总睡眠时间和睡眠中断次数,电脑的使用天数、频率,打字和鼠标移动的速度评估电脑使用状况,药盒每天被开启的时间以及次数评估药物依从性等[4]。Hoffmeyer等[16]对18例早期阿尔茨海默症病人和14名正常老年人进行研究,两组研究对象分别在脚踝上穿戴加速传感器进行3 d的步态监测,早期阿尔茨海默症病人的步态明显紊乱,其中通过分析步态检测到早期阿尔茨海默症的正确率达91%。Sucki等[17]对10名健康老年人和1例早期阿尔茨海默症病人进行20 d ADL监测,共收集了1 137个ADL行为,其中1 121个ADL行为被移动医疗正确识别,被识别的1 121个ADL显示早期阿尔茨海默症病人和正常老年人ADL行为存在差异,早期阿尔茨海默症病人的ADL行为更为紊乱。Stuzuki等[18]也分别从社会参与度和睡眠状态对14名独居老年人进行为时3个月的监测,得出早期阿尔茨海默症病人比正常老年人更倾向于少外出并更容易出现睡眠障碍。在安全监测方面,Cavallo等[19]通过招募一些早期阿尔茨海默症病人,通过其专业医生和照顾者对招募者的生活方式、生活习惯、日常需求以及综合房屋结构和特点全方面进行评估和了解,建立智能化小屋，例如,当阿尔茨海默症病人出门/回家,智能小屋会向照顾者发送相应信息,阿尔茨海默症病人出现意外摔倒时,同样会向照顾者发送危险警告信息；针对阿尔茨海默症病人的漫游行为利用无线射频和传感器设计出一套无侵入性的监测系统,此监测系统需阿尔茨海默症病人佩戴手腕式装置可以定位老年人的位置和行为,减少了阿尔茨海默症病人因为漫游并发症而出现的各种危险行为。Mccullagh等[20]在Nocturnal项目中也提出,帮助早期阿尔茨海默症具有漫游行为的老年人回家，此夜间监测系统也是通过部署传感器,监测阿尔茨海默症病人是否卧床和是否有不安情绪,最后通过平板电脑综合数据。Cheng等[21]也提出通过蓝牙和GPS定位的方法对早期阿尔茨海默症病人进行地点识别。国外用于早期阿尔茨海默症病人的早期识别以及安全监测系统可通过互联网设备为中介,其最终综合各种数据传输至医生或者照顾者的终端设备(电脑、手机等)。使用户可以清晰明了、无时无刻地了解老年人认知状况和安全状态,如有异常,用户通过手机接收短信和警报音等方法收到信息。因此,通过此方法既保证老年人可以独立生活,也减轻了照顾者的时间和经济负担。

4.2 国内移动医疗用于早期阿尔茨海默症病人的安全监测 国内用于阿尔茨海默症的监测系统主要成果有防止老人走失的GPS监控设备,其只需阿尔茨海默症病人佩戴智能手环,在局域网覆盖的区域内活动,监护者均可通过手机、平板等终端设备获取阿尔茨海默症病人的位置。其他监测系统,如吃药提醒装置可定时提醒阿尔茨海默症病人服药[22-23]；穿戴式生命衣,通过穿戴特制的衣服,监护者可获得阿尔茨海默症病人的血压、心率、呼吸等[24]。但是,国内的健康监测系统旨在用于中晚期的阿尔茨海默症病人的认知下降和走失行为等,尚未发现有关阿尔茨海默症病人早期识别的应用。

5 小结

目前,阿尔兹海默症仍是当今全球关注的热点问题。随着疾病的进展,病人将出现失认、失语、失用等症状,以致完全丧失生活自理能力,从而严重影响其生活质量,故如何有效早期识别才是临床医务人员工作的关键。西方国家开展关于阿尔茨海默症病人的早期识别和安全监测的相关研究较多,其包括在社区内开展大型的跟踪随访研究和病例对照研究等。国内由于缺乏基础社区研究数据,通过移动医疗对阿尔茨海默症病人的研究主要停留在安全监测方面。因此,通过移动医疗体系对我国阿尔茨海默症早期识别的应用还有很大的发展空间。但移动医疗监测系统是医学和互联网的结合,医务工作人员尤其是护理人员应当熟练掌握医学相关知识,为监测系统夯实理论基础。

[1] 李晶,李红.创造性故事疗法及其在老年痴呆患者中的应用现状[J].中华护理杂志,2014,49(6):720-723.

[2] World Health Organization.Dementia fact sheet[EB/OL].[2016-07-28].http://www.who.int/mediacentre/factsheets/fs362/en/.

[3] Alzheimer’s Disease International.World Alzheimer Report 2015.The global impact of dementia:an analysis of prevalence,incidence,cost and trends[EB/OL].[2016-07-28].http://www.alz.co.uk/research/WorldAlzheimerReport2015.pdf.

[4] Lyons BE,Austin D,Seelye A,etal.Pervasive computing technologies to continuously assess Alzheimer’s disease progression and intervention efficacy[J].Frontiers in Aging Neuroscience,2015,7:102.

[5] 王晓静,魏树林,初丽敏,等.老年痴呆的早期诊断与治疗[J].临床合理用药杂志,2015(11):176-179.

[6] 吴民.移动医疗的应用[J].医学信息学杂志,2012,33(11):2-5.

[7] 冯威,吕大伟,吴文源.移动医疗在精神卫生领域的应用[J].中华精神科杂志,2015,48(3):188-190.

[8] 张明园.老年期痴呆防治指南[M].北京：北京大学医学出版社,2007：1.

[9] Da Silva RAPC.Sleep disturbances and mild cognitive impairment:a review[J].Sleep Science,2015,8(1):36-41.

[10] 张宝和.轻度认知损害的睡眠障碍[D].北京：中国人民解放军军医进修学院,2005：1.

[11] Forbes N,Goodwin S,Woodward K,etal.Evidence for synergistic effects of PRNP and ATP7B mutations in severe neuropsychiatric deterioration[J].BMC Medical Genetics,2014,15(1):1.

[12] González-Domínguez R,García-Barrera T,Gómez-Ariza JL.Characterization of metal profiles in serum during the progression of Alzheimer’s disease[J].Metallomics,2014,6(2):292-300.

[13] Jiang C.A smart and minimally intrusive monitoring framework design for health assessment of the elderly[D].Cincinnati：University of Cincinnati,2015：1.

[14] Yu JM,Tseng IJ,Yuan RY,etal.Low sleep efficiency in patients with cognitive impairment[J].Acta Neurologica Taiwanica,2009,18(2):91-97.

[15] 李明秋,黄海华,江皋轩,等.老年痴呆患者睡眠障碍的临床特征[J].中国老年学杂志,2012,32(12):2598-2599.

[16] Hoffmeyer A,Yordanova K,Teipel S,etal.Sensor based monitoring for people with dementia:searching for movement markers in Alzheimer’s disease for a early diagnostic[M].Constructing Ambient Intelligence，2012:137-145.

[17] Stucki RA,Urwyler P,Rampa L,etal.A web-based non-intrusive ambient system to measure and classify activities of daily living.[J].Journal of Medical Internet Research,2014,16(7):e175-e175.

[18] Suzuki T,Murase S,Tanaka T,etal.New approach for the early detection of dementia by recording in-house activities[J].Telemedicine Journal and E-Health:The Official Journal of the American Telemedicine Association,2007,13(1):41-44.

[19] Cavallo F,Aquilano M,Arvati M.An ambient assisted living approach in designing domiciliary services combined with innovative technologies for patients with Alzheimer’s disease:a case study[J].American Journal of Alzheimer’s Disease & Other Dementias,2014,30(1):69-77.

[20] Mccullagh P,Augusto JC,Zheng H,etal.Assisting people with early stage dementia:monitoring wandering[J].Assistive Technology Research,2011,29:137-144.

[21] Cheng HT,Zhuang W.Bluetooth-enabled in-home patient monitoring system:early detection of Alzheimer’s disease[J].IEEE Wireless Communications,2010,17(1):74-79.

[22] 中华人民共和国国家知识产权局.专利检索及分析[EB/OL].[2016-07-27].http://www.pss-system.gov.cn/.

[23] 廖学峰.基于物联网的远程心血管疾病监护系统研究与设计[D].广州：南方医科大学,2013：1.

[24] 郭维.穿戴式人体生理参数监测系统的研究与实现[D].长春：吉林大学,2012：1.

(本文编辑苏琳)

Applicationstatusquoofm-healthinearlyidentificationofAlzheimer’sdisease

ZhangYuanyuan,ZhangZhiru,DongTingting
(The First Hospital of Jilin University,Jilin 130021 China)

It reviewed the implementation methods,monitoring dimensions and development status quo of m-health in early identification of Alzheimer’s disease at home and abroad,in order to provide new ideas for reducing the incidence of Alzheimer’s disease and delay the onset time of Alzheimer’s disease.

m-health;Alzheimer’s disease;early identification;safety monitoring;mild cognitive impairment

张媛媛，本科，单位：130021，吉林大学第一医院；张志茹(通讯作者)单位：130021，吉林大学第一医院；董婷婷单位：130021，东营胜利油田中心医院。

信息张媛媛，张志茹，董婷婷.移动医疗在阿尔茨海默症早期识别中的应用现状[J].护理研究，2017，31(27)：3356-3359.

R473.74

：Adoi:10.3969/j.issn.1009-6493.2017.27.002

：1009-6493(2017)27-3356-04

2016-09-12;

2017-08-21)