阿尔茨海默病协作研究-日常生活能力依赖性评分算法的修订与验证：跨疾病严重程度谱系的患者依赖性评估

　　本研究针对阿尔茨海默病(AD)患者依赖性评估需求，对2015年ADCS-ADL依赖性算法进行系统性修订。研究团队通过三阶段修订流程（项目筛选、辅助等级划分、多数据集验证），在14,000名MCI due to AD至中重度AD患者队列中验证了修订后的0-6分依赖性评分系统。结果显示新算法能准确识别早期症状性AD患者的独立性状态，且依赖性评分与MMSE、iADRS等临床指标及护理成本显著相关，为评估新型疗法对患者独立性的影响提供了重要工具。

　　

随着全球老龄化加剧，阿尔茨海默病(AD)已成为严峻的公共卫生挑战。患者逐渐丧失独立生活能力的过程，不仅严重影响生活质量，更给家庭和社会带来沉重负担。然而，现有评估工具在早期AD患者依赖性识别上存在明显局限——2015年开发的ADCS-ADL依赖性算法虽适用于中晚期患者，却常将早期患者错误归类为高依赖性，这严重制约了新型疗法对维持患者独立性效果的评估。

来自Eli Lilly and Company和F. Hoffmann-La Roche Ltd的研究团队开展了这项跨机构合作研究。他们发现原算法存在三个关键缺陷：对基本日常生活能力(bADL)的完美表现要求过于严苛、未考虑不同项目的评分范围差异、包含不相关评估项目。这些问题导致早期AD患者常被误判为"显著丧失自主性"。

研究采用三阶段修订策略：首先由专家共识剔除4个与依赖性无关的ADCS-ADL项目；随后建立统一框架将19个保留项目的反应选项映射到辅助需求等级；最终在包含GERAS-EU观察性研究和12项临床试验的14,000人数据集中进行验证。技术方法上，研究团队运用了临床量表评估（MMSE、CDR-SB等）、护理时间量化（RUD-Lite）、多变量回归分析等方法，重点验证算法在不同AD阶段（从MCI due to AD到中重度AD）的适用性。

研究结果部分显示：
3.1. 算法规范
修订后的算法排除ADCS-ADL中4个无关项目（如看电视、参与闲聊等），并制定新的缺失数据处理规则：当缺失2个以上工具性ADL(iADL)项目或1个基本ADL项目时，依赖性评分设为缺失。

3.2. 第二阶段成果
研究者开发了创新性的辅助需求分级框架，将19个保留项目的反应选项系统映射到不同护理支持程度。评分范围从原算法的0-5分扩展为0-6分，新增"完全依赖"等级以增强敏感性。如表1所示，每个评分对应明确的临床状态和护理需求，如评分3分代表"轻度依赖"，需要3项以上iADL协助或2项iADL加bADL提醒。

3.3. 算法验证
在GERAS-EU数据集中，修订算法显示出优异的判别效度：61%基线评分3分的患者在18个月后进展至4-6分。如表2所示，依赖性评分与认知功能呈阶梯式关联——评分1分对应MMSE 22.5分，而5分对应12.5分。护理时间也从评分1分的29.7小时/月骤增至5分的318.9小时。

临床试验数据集分析进一步证实了算法的普适性。在EXPEDITION等试验的1,957例早期AD患者中，90%的MCI due to AD和80%轻度AD患者基线评分为0-2分（独立/基本独立）。18个月后，74%中度AD患者进展至≥3分。表3显示，随着评分升高，iADRS等指标均呈现剂量依赖性恶化。特别值得注意的是，在LAURIET试验的中度AD患者中，基线时50%患者评分≥3分，12个月后这一比例升至65%。

讨论部分强调了该研究的转化医学价值。修订后的ADCS-ADL依赖性评分算法首次实现了从临床前阶段到中重度AD的全病程覆盖，其优势体现在三方面：解决了原算法对早期患者的高估问题；通过标准化项目权重提高了评分准确性；新增的6分等级增强了对严重依赖状态的区分度。作者指出，随着aducanumab等抗Aβ单抗的临床应用，该工具能为评估"延缓疾病进展"的临床意义提供新维度——例如量化治疗组需要频繁家庭护理（评分≥3分）的患者比例差异。

这项研究的创新性在于将传统的ADL评估转化为更具临床意义的依赖性量化工具。正如Julie M. Chandler等作者强调的，该算法不需要额外评估，即可利用现有临床试验中的ADCS-ADL数据生成依赖性评分，这对理解新型疗法如何延缓患者失去独立性的过程具有重要价值。未来研究可探索该评分与淀粉样蛋白PET等生物标志物的关联，进一步揭示依赖性进展的生物学基础。