基于认知因素的选择提升了阿尔茨海默病随机临床试验的统计功效

随着人口寿命的延长，阿尔茨海默病（AD）日益受到关注。近期许多招募认知完好个体的 AD 临床试验均告失败，这些试验中 AD 事件发生率低，因此统计功效不足。先前的试验试图通过要求脑成像中存在认知衰退迹象作为入组条件来解决这一问题。然而，这种方法系统性地排除了有色人种和那些无法获得医疗服务的人群，导致所选样本不能代表目标人群。因此，我们提出使用基于认知测试分数的预测模型，在一项假设的临床试验中招募认知正常但高风险的参与者。认知测试分数是一种广泛可及的工具，因此在入组中使用它比生物标志物（如成像）更不可能排除边缘化人群，因为后者几乎仅面向高收入患者。我们开发了一种新型纵向因子模型，基于来自 National Alzheimer's Coordinating Center 的数据，预测 3 年时间窗内的 AD 转化。通过模拟，我们证明，与其它受试者选择方法相比，在一系列药物效应下，我们的预测模型在假设的临床试验中显著提升了统计功效并减少了所需样本量。