Anmelden

Zum Anzeigen dieser Inhalte ist ein JoVE-Abonnement erforderlich. Melden Sie sich an oder starten Sie Ihre kostenlose Testversion.

In diesem Artikel

  • Zusammenfassung
  • Zusammenfassung
  • Einleitung
  • Protokoll
  • Ergebnisse
  • Diskussion
  • Offenlegungen
  • Danksagungen
  • Materialien
  • Referenzen
  • Nachdrucke und Genehmigungen

Zusammenfassung

Hier stellen wir ein Protokoll vor, das zeigt, wie zwei Arten von kognitiven Bewertungstools durchgeführt werden, die aus der Papierstiftversion des Trail Making Tests abgeleitet sind.

Zusammenfassung

Der Trail Making Test (TMT) ist ein anerkanntes Werkzeug zur Bewertung der Exekutivfunktion. Der Standard TMT wurde vor mehr als 60 Jahren erfunden und in viele Versionen umgestellt. Mit der Entwicklung digitaler Technologien wird TMT nun auf eine digitalisierte Version ummodifiziert. Die vorliegende Studie zeigte digitale TMT (dTMT) auf einem Computer und Walking TMT (WTMT) auf dem Boden. Beide zeigten mehr Informationen im Vergleich zur traditionellen Version von TMT.

Einleitung

Bei einer schnell alternden Bevölkerung gilt Demenz als ein großes Problem der öffentlichen Gesundheit. Die Zahl der älteren Patienten mit Demenz weltweit liegt laut Weltgesundheitsorganisation1bei etwa 47 Millionen . Die Beeinträchtigung der Führungsfunktion ist nicht nur eine häufige Art von kognitiver Dysfunktion bei älteren Menschen, sondern wurde als Prädiktor für das Fortschreiten von leichter kognitiver Beeinträchtigung (MCI) zur klinischen Alzheimer-Krankheit (AD)2,3berichtet. Als dritthäufigster Test in der Neuropsychologie4wird der Trail Making Test (TMT) als ein gut akzeptiertes Werkzeug zur Bewertung von Exekutivfunktionen eingesetzt, insbesondere als nachhaltige Aufmerksamkeit und Set-Shifting5, auch bei älteren Patienten6.

Der Standard TMT ist ein Papierstifttest, der aus zwei Teilen besteht: tMT-A und TMT-B5. Erstere fordert den Test-Taker auf, Linien zu zeichnen, die zufällig verteilte Zahlen (1–25) auf einem Testpapier in aufsteigender Reihenfolge verbinden (1->2->3...), während letzterer den Test-Nehmer dazu verpflichtet, Alternativ Zahlen und Buchstaben (1->A->2->B...) festzulegen. Die Leistung von TMT wird in der Regel in der Zeit bewertet, die erforderlich ist, um jedes Teil korrekt abzuschließen7. TMT wurde in verschiedene Sprachen übersetzt. Die chinesische Version von TMT wurde 2006 entwickelt8. Da sich chinesische Schriftzeichen deutlich von englischen Buchstaben unterscheiden, wurde die chinesische Version von TMT in unserem Verfahren verwendet.

Abgesehen von der Standardversion wurde TMT von Forschern auf unterschiedliche Weise modifiziert (z.B. oralt TMT9, Fahren TMT10, Zu Fuß TMT (WTMT)11), um bestimmte Populationen zu bewerten oder Details unter verschiedenen Bedingungen zu finden, wie Fahren und Gehen. Bemerkenswert ist, dass einige Studien, die im Vergleich zum Standard TMT unterschiedliche Zahlen verleihen, ebenfalls von hoher Gültigkeit und Zuverlässigkeit sind. Zum Beispiel, THINC-Integrated Tool (THINC-it) von der McIntyre Gruppe entwickelt verwendet 9 Zahlen und Buchstaben für TMT-B12; WTMT berichtete von Schott und Kollegen verwendet 15 Zahlen für TMT-A13. Auf die gleiche Weise wurden viele Bewertungssysteme von TMT über die gesamte Zeitbewertung hinaus gebaut, die berichten zufolge hilfreich sind, um neben der Fehlfunktion der Exekutive auch mehr Elemente zu finden oder für Teilnehmer zugänglich zu sein, die nicht geeignet sind, den Standard-TMT zu vervollständigen. Zum Beispiel untersuchten einige Forscher die Fehler in TMT und fanden heraus, dass Fehler in TMT-B mit geistiger Verfolgung und Arbeitsgedächtnis bei Patienten mit psychiatrischer Störung14verbunden waren. Eine andere Gruppe aus Griechenland schlug abgeleitete TMT-Scores [TMT-(B-A) oder TMT(B/A)] als Indizes vor, um Eine Beeinträchtigung der kognitiven Flexibilität über die gesamte Erwachsenenlebensdauer15zu erkennen. Im Allgemeinen lassen sich alternative Bewertungssysteme von TMT wie folgt zusammenfassen: (1) Abschlusszeitanalyse — TMT-Abschlusszeit wird in Sekundenberechnet 16; (2) Fehleranalyse — verschiedene Arten von TMT-Fehlern werden klassifiziert und quantifiziert14; (3) Zwischenunterschiede — unterschiedliche Fähigkeiten, TMT zwischen der dominanten hand und der nicht beherrschenden Hand zu vollenden, werden17verglichen; und (4) abgeleitete Trail Making Test-Indizes – verschiedene Charakterisierungen zwischen Demtum-A und TMT-B werden analysiert15. Die alternativen Bewertungsmethoden liefern zusätzliche Informationen. Zum Beispiel könnte der Nutzen der TMT-Fehleranalyse kognitive Defizite aufdecken, die traditionell nicht unter Verwendung der Fertigstellungszeit als einzige Ergebnisvariable bei Patienten mit Schizophrenie und Depression14erfasst werden. Das Fehlen eines signifikanten intermanuellen Unterschieds half, die kognitive Dysfunktion vom Einfluss der motorischen Störung zu unterscheiden17. Abgeleitete TMT-Indizes könnten Beeinträchtigungen der kognitiven Flexibilität über die gesamte Lebensspanne von Erwachsenen erkennen und die Auswirkungen von Demografie und anderen kognitiven Hintergrundvariablen minimieren15.

Mit den Fortschritten in der modernen Technologie wurden computergestützte digitale Anwendungen zunehmend in traditionelle kognitive Interventionen integriert, von denen die meisten dem ursprünglichen Test so ähnlich wie möglich ähneln und nicht als neue Werkzeuge geschaffen wurden. Digitales oder computergestütztes TMT (dTMT) hat nachweislich das Potenzial, zusätzliche Informationen zu erfassen, wobei die Struktur des bestehenden Tests in den letzten Jahren weitgehend unverändert blieb18,19.

Diese Studie zielte darauf ab, eine computerbasierte chinesische Version von dTMT-A und dTMT-B sowie eine WTMT einzuführen. Beide sind modifizierte TMTs und wurden bestätigt, um eine hohe Empfindlichkeit und Spezifität zu screenen Patienten mit MCI, Parkinson-Krankheit, Alzheimer-Krankheit, und so weiter, basierend auf der Bewegung der oberen und unteren Gliedmaßen20,21. Detaillierte Bewertungsmethoden wurden auch vorgestellt, da digitale Technologien, die in dTMT und WTMT integriert sind, dazu beitragen könnten, mehr Informationen zu erfassen als die Papierstiftversion von TMT.

Protokoll

Die Entwicklung des dTMT und der Erstantrag wurde vom Seventh Medical Center of PLA Army General Hospital Review Board genehmigt. Die Antragsteller unterzeichneten genehmigte Dokumente zur Einwilligung in Kenntnis der Sachlage vor dem Testen von TMT.

1. Allgemeine Methodenentwicklung

  1. Verwenden Sie ein Tablet (z. B. Microsoft Surface Pro 2) mit hochwertigen Trägialsensoren, die in das Gerät eingebettet sind, und einem kompatiblen elektronischen Stift(Abbildung 1).
  2. Verwenden Sie den Monitor Intelligent Device for Energy Expenditure and Activity (IDEEA), bestehend aus fünf Sensoren (jeweils 16 x 14 x 4 mm3,2 g), wobei einer über dem Brustbein befestigt ist, zwei an der Vorderseite jedes Oberschenkels und die beiden anderen unter jedem Fuß befestigt sind. Schließen Sie die Brust- und Oberschenkelsensoren über ein festes Kabel an einen kleinen 32-Bit-Mikroprozessor (70 x 44 x 18 mm3, 59 g) an und verdrahten Sie die Fußsensoren (Abbildung 2).

2. Entwurf und Prüfung des dTMT

HINWEIS: Wie bereits erwähnt, besteht dTMT aus zwei Teilen: dTMT-A und dTMT-B. Diese beiden Tests sollten sequenziell durchgeführt werden (dTMT-A verfahren dTMT-B), ohne umgekehrt zu werden.

  1. dTMT-A-Verfahren
    1. Führen Sie den dTMT-A in einer ruhigen und komfortablen Umgebung durch.
      HINWEIS: Teilnehmer, die für den Abschluss von dTMT eingeschrieben sind, sollten das Bildungsniveau von mehr als 2 Jahren Vorschule haben; Andernfalls könnten sie Schwierigkeiten beim Lesen und Erkennen chinesischer Schriftzeichen in dTMT-B haben. Stellen Sie in der Zwischenzeit sicher, dass die Teilnehmer keine offensichtliche Seh- und Oberschenkelbehinderung haben.
    2. Bitten Sie die Teilnehmer, vor einem Schreibtisch zu sitzen und die Computerposition, die Hintergrundbeleuchtung und den elektronischen Stift anzupassen.
    3. Überprüfen Sie die nahe Sehschärfe der Teilnehmer, um sicherzustellen, dass sie die Zahlen auf dem Bildschirm leicht lesen können.
      HINWEIS: Einige ältere Probanden benötigen vielleicht ein Paar Glas für den Fall, dass die Kreise auf dem Bildschirm zu klein für die Probanden mit Presbyopie sind.
    4. Zeigen Sie die Anweisungen von dTMT-A wie folgt: Bitte ziehen Sie so schnell wie möglich eine Linie, die aufeinander folgende Zahlen verbindet (d.h. 1->2->3... 9) in den Kreisen zufällig auf dem Bildschirm verteilt. Eine Vortest-Studie (maximal 150 s) ist notwendig, da die meisten Teilnehmer sich mit dem Zeichnen auf der Oberfläche eines Computers vertraut machen müssen.
    5. Zeigen Sie die hauptwichtigsten Unterschiede zwischen dTMT-A und Standard TMT-A. Erstens, wenn der Kreis richtig ausgekleidet ist, kann seine Farbe geändert werden. Zweitens, wenn der Kreis nicht richtig ausgekleidet ist, bleibt seine Farbe unverändert, und die Probanden müssen ihn vom letzten Kreis aus umzureiht.
      HINWEIS: Es wird empfohlen, alle Kreise fließend mit geraden Linien zu verbinden.
    6. Raten Sie den Teilnehmern, Fehler und Zeitverschwendung zu vermeiden. Ermutigen Sie die Teilnehmer, die Linie fließend, aber so genau wie möglich zu ziehen; geben Sie jedoch keine Priorität.
    7. Bitten Sie die Teilnehmer, PartA auf dem Bildschirm auszuwählen(Abbildung 1 untere Spieltafel), um dTMT-A ohne Unterbrechung abzuschließen. Alle dTMT-A-Daten werden automatisch auf dem Computer erfasst.
      HINWEIS: Wenn Daten für die Untersuchung intermanueller Unterschiede gesammelt werden, muss ein weiterer Test mit der anderen Seite durchgeführt werden. Die Reihenfolge des Links-/Rechtstests erfolgt nach dem Zufallsprinzip.
  2. dTMT-B-Verfahren
    1. Wiederholen Sie Schritt 2.1.
    2. Zeigen Sie die Anweisungen von dTMT-B wie folgt: Bitte zeichnen Sie so schnell wie möglich einefigure-protocol-4142Linie, die die Zahlenfigure-protocol-4245und chinesischen Zeichen verbindet (d.h. 1-> ->2-> ... figure-protocol-4382 ) alternativ in den zufällig auf dem Bildschirm verteilten Kreisen.
      HINWEIS: Stellen Sie sicher, dass alle chinesischen Zeichen von Dentums erkannt werden. Eine Vortest-Studie (maximal 150 s) ist auch notwendig, da einige Teilnehmer sich darauf einstellen müssen, wie man die Zahlen und chinesischen Schriftzeichen alternativ eigens einzieht.
    3. Bitten Sie die Probanden, TeilB auf dem Bildschirm auszuwählen(Abbildung 1 untere Spieltafel), um dTMT-B ohne Unterbrechung abzuschließen. Alle dTMT-B-Daten werden automatisch im Computer erfasst.
      HINWEIS: Wenn Daten für die Untersuchung intermanueller Unterschiede gesammelt werden, muss ein weiterer Test mit der anderen Seite durchgeführt werden. Die Reihenfolge des Links-/Rechtstests erfolgt nach dem Zufallsprinzip.

3. Direkte Datenerfassung und Definitionen in dTMT

  1. Bestimmen Sie die Gesamtzeit bis zum Abschluss: die Zeit, die (ms) zum Zeichnen einer Linie zum Verbinden aller Kreise in der richtigen Reihenfolge in Anspruch genommen hat.
  2. Bestimmen Sie die Anzahl der Fehler: die Häufigkeit, mit der eine Linie in der falschen Reihenfolge in einen Kreis gezeichnet wird.
  3. Bestimmen Sie die Zeit bis zum Abschluss für jeden Schritt: die Zeit, die in Millisekunden zum Zeichnen jedes Schritts zum Zeichnen aufgedauert wird.
  4. Bestimmen Sie die Zeit innerhalb jedes Kreises: die Zeit, die in Millisekunden zum Zeichnen von Kreisen verbracht wird.
  5. Bestimmen Sie den prozentualen Anteil des inneren Kreises (%): Zeit innerhalb jedes Kreises geteilt durch die Gesamtzeit bis zum Abschluss.
  6. Bestimmen Sie die Zeit innerhalb jedes Toleranzkreises: die Zeit, die in Millisekunden zum Zeichnen innerhalb von Toleranzkreisen verbracht wird.
  7. Bestimmen des Toleranzprozentsatzes innerhalb des Kreises (%): Zeit innerhalb jedes Toleranzkreises geteilt durch die Gesamtzeit bis zum Abschluss
  8. Bestimmen Sie die Zeilenabbruchzeiten in jedem Schritt: die Zeiten, zu denen eine Zeile in jedem Schritt storniert wird. Der Toleranzkreis hat einen fünfmal mehr Durchmesser als der eines echten Kreises.
  9. Bestimmen Sie den optimalen Weg jedes Schritts: die nächste Linie in Millimetern jedes Schritts.
  10. Bestimmen Sie den tatsächlichen Weg jedes Schritts: die tatsächliche Linie in Millimetern jedes Schritts.
  11. Bestimmen Sie die Pfadabweichung jedes Schritts: die tatsächliche Linie in Millimetern abzüglich der nächsten Linie in Millimetern jedes Schritts.
  12. Bestimmen Sie die Variabilität der Signalwegabweichung: Koeffizient der Variation der Pfadabweichung jedes Schritts.
  13. Bestimmen Sie die Geschwindigkeit der Zeichnung jedes Schritts: die tatsächliche Linie in Millimetern jedes Schritts geteilt durch die Zeit bis zum Abschluss für jeden Schritt.
    HINWEIS: Der Durchschnittswert wurde berechnet, indem die erfassten Werte Schritt für Schritt summiert wurden. Indirekte Daten, die unterschiedliche Punkte zwischen Zeigern oder Teilen widerspiegeln, wurden auf der Grundlage der direkten Daten abgeleitet.

4. Design und Prüfung des WTMT

HINWEIS: Ähnlich wie dTMT besteht WTMT auch aus zwei Teilen: WTMT-A und WTMT-B. Diese beiden Tests sollten sequenziell durchgeführt werden (WTMT-A proceding WTMT-B), ohne umgekehrt zu werden.

  1. WTMT-A-Verfahren
    1. Führen Sie WTMT-A in einer ruhigen und komfortablen Umgebung durch. Stellen Sie sicher, dass Raumlicht vorhanden ist. Verteilen Sie nach dem Zufallsprinzip Münzen mit Zahlen an jeder von 15 Positionen in einem 16 m2 Bereich (4 x 4 m2). Zeichnen Sie einen Durchmesser von 30 cm um jede Münze (Abbildung 3).
      HINWEIS: Die Teilnehmer, die für den Abschluss der WTMT eingeschrieben sind, sollten das Bildungsniveau von mehr als 2 Jahren Vorschule haben; Andernfalls könnten sie Schwierigkeiten beim Lesen und Erkennen chinesischer Schriftzeichen in WTMT-B haben. Stellen Sie in der Zwischenzeit sicher, dass die Teilnehmer keine offensichtliche Seh- und Untermaßebehinderung haben.
    2. Verbinden Sie das Intelligente Gerät für Energieaufwand und -aktivität (IDEEA) mit dem PC und geben Sie die anthropometrischen Daten des Motivs ein.
    3. Befestigen Sie fünf biaxiale Mini-Beschleunigungsmesser (16 x 14 x 4 mm3, 2 g) mit medizinischem Klebeband über dem Brustbein, an der Vorderseite jedes Oberschenkels und unter jedem Fuß(Abbildung 4). Schließen Sie alle Beschleunigungsmesser über dünne, flexible Kabel an einen Mikroprozessor/Speicher (70 x 44 x 18 mm3, 59 g) an, der mit einem Clip an der Kleidung befestigt ist.
      HINWEIS: Der IDEEA ist ein auf mehreren Beschleunigungsmessern basierendes System mit fünf biaxialen Beschleunigungsmessern am oberen Rumpf, an den Oberschenkeln und Füßen. Die IDEEA wurde ursprünglich entwickelt, um den Energieverbrauch während der Aktivitäten des täglichen Lebens22,23zu schätzen, hat aber eine zusätzliche Fähigkeit, viele der häufig verwendeten Gangzyklusparameter zu quantifizieren24.
    4. Nachdem das Gerät ausgestattet ist, bitten Sie die Teilnehmer, einen Gehweg ohne Ziele mit einer komfortablen Gehgeschwindigkeit auf und ab zu gehen, um sich aufzuwärmen.
    5. Zeigen Sie die Anweisungen von WTMT-A wie folgt: Bitte gehen Sie auf nummerierten Zielen in einer sequenziellen Reihenfolge so schnell wie möglich verbinden aufeinander folgende Zahlen (d.h., 1->2->3... 15) in den Münzen zufällig auf dem Boden verteilt.
    6. Ermutigen Sie die Teilnehmer, fließend, aber so genau wie möglich zu gehen; Es wird jedoch keine Priorität eingeräumt. Führen Sie WTMT-A nur einmal aus.
    7. Sorgen Sie für die Sicherheit der Teilnehmer, da Dual-Task-Walking in einer herausfordernden Umgebung das Risiko von Stürzen25erhöhen kann. Sowohl für Vor- als auch für Nachtests ist eine 5-Schritte-Pause erforderlich, damit IDEEA das Gehen vom Stehen unterscheiden kann.
      HINWEIS: Beide Schritte auf der Münze werden als auf dem Ziel betrachtet. Wenn die Teilnehmer in der falschen Reihenfolge gehen, führen Sie sie, bis sie in der richtigen Reihenfolge gehen. Alle WTMT-A-Daten werden automatisch im IDEEA Mikroprozessor/Speichereinheit erfasst.
  2. WTMT-B-Verfahren
    1. Wiederholen Sie die Schritte wie in Abschnitt 4.1.1.
    2. Zeigen Sie die Anweisungen von WTMT-A wie folgt: Bitte gehen Sie auf nummerierten Zielen in einer sequenziellen Reihenfolge so schnell wie möglich verbinden aufeinander folgende Zahlen (d.h. 1->figure-protocol-11453->2->figure-protocol-11540... figure-protocol-11626 >8) in den Münzen, die zufällig auf dem Boden verteilt werden. Stellen Sie sicher, dass alle chinesischen Zeichen von den Teilnehmern erkannt werden.
    3. FÜHREN Sie WTMT-B nur einmal aus.
    4. Sorgen Sie für die Sicherheit der Teilnehmer, da Dual-Task-Walking in einer herausfordernden Umgebung das Risiko von Stürzen erhöhen kann25. Sowohl für Vor- als auch für Nachtests ist eine 5-Schritte-Pause erforderlich, damit IDEEA das Gehen vom Stehen unterscheiden kann.
      HINWEIS: Beide Schritte auf der Münze werden als auf dem Ziel betrachtet. Wenn die Probanden in der falschen Reihenfolge gingen, führen Sie sie, bis sie in der richtigen Reihenfolge gehen. Alle WTMT-B-Daten werden automatisch im IDEEA Mikroprozessor/Speichereinheit erfasst.

5. Direkte Datenerfassung und Bedeutungserklärung in WTMT

HINWEIS: Wie in Abbildung 5dargestellt, wurde der menschliche Gangzyklus in verschiedene Teilphasen unterteilt. Im Detail werden räumliche und zeitliche Parameter wie folgt definiert und berechnet.

  1. Bestimmen Sie die Schritte (n): die Anzahl der Schritte, die während des Gehens der Ebene ausgeführt wurden, einschließlich der rechten und linken Gliedmaßen.
  2. Bestimmen Sie die Schwingdauer (%): den Phasenprozentsatz, der von der Abzweidung bis zum Anfangsgrund oder Treppenkontakt für einen bestimmten Fuß beginnt.
  3. Bestimmen Sie die Haltungsdauer (%): Phasenprozentsatz zwischen dem Fersenschlag eines Fußes und dem Fersenschlag des kontralateralen Fußes.
  4. Bestimmen Sie die Geschwindigkeit (m/s): die durchschnittliche Geschwindigkeit über zwei aufeinander folgende Schritte.
  5. Bestimmen Sie die Schrittlänge (m): den Längenunterschied zwischen dem anfänglichen Fersenschlag des rechten oder linken Fußes und dem Fersenschlag des kontralateralen Fußes.
  6. Bestimmen Sie die Schrittlänge (m): den Abstand zwischen den aufeinanderfolgenden Punkten des Erstkontakts desselben Fußes, Rechts-Links-Rechts (R-L-R) oder links-rechts-links (L-R-L).
  7. Bestimmen Sie die Gangvariabilität der Schrittlänge: Koeffizient der Variation der Schrittlänge.
    HINWEIS: Fertigstellungszeit und Fehler werden auch vom Prüfer gesammelt und gezählt, anstelle von IDEEA.

6. Datenerhebung und Statistik

  1. Verwenden Sie One-Way-ANOVA und Fishers LSD, um die Unterschiede zwischen den Gruppen zu vergleichen. Die demografischen Daten sind in Tabelle 1aufgeführt. DTMT-A-, dTMT-B-, WTMT-A- und WTMT-B-Daten sind in den Tabellen 2-5 dargestellt. Ein P < 0,05 wurde als Hinweis auf einen statistisch signifikanten Unterschied angesehen.

Ergebnisse

Sieben ältere Patienten mit leichter kognitiver Beeinträchtigung (Ältere mit MCI), sieben ältere Patienten mit Parkinson-Krankheit (Ältere mit PD) und sieben ältere gesunde Personen (gesunde ältere Menschen) wurden rekrutiert, und dTMT-A, dTMT-B, WTMT-A und WTMT-B wurden durchgeführt. Nach den Tests wurden die Daten mit SPSS-Software gesammelt und analysiert.

Insgesamt zeigten die demografischen Daten der Teilnehmer, dass alle Gruppen in Bezug auf Alter, Geschlecht, Bildungsniveau, dom...

Diskussion

Traditionelle Papierstift TMT ist weltweit seit mehr als 50 Jahren gut verwendet. Digitales TMT ist jedoch von Vorteil. Erstens, traditionelle TMT wird als executive Funktion Werkzeug betrachtet, während sowohl dTMT und WTMT haben Aspekte, die motorische Fähigkeit neben kognitivefunktion widerspiegeln. Wenn man bedenkt, dass die kognitiv-motorische Doppelaufgabe in den letzten Jahren große Aufmerksamkeit gewonnen hat26, können digitale Technologien Forschern mehr Informationen über diese inte...

Offenlegungen

Die Autoren haben nichts zu verraten.

Danksagungen

Die Autoren danken Xiaode Chen für die Unterstützung digitaler Technologien.

Materialien

NameCompanyCatalog NumberComments
MinisunLLCIntelligent Device for Energy Expenditure and Activity (IDEEA)
Surface Pro 2Microsoftcomputer

Referenzen

  1. Wei, M., et al. Diagnostic accuracy of the Chinese version of the Trail-Making Test for screening cognitive impairment. Journal of the American Geriatrics Society. 66 (1), 92-99 (2018).
  2. Schroeter, M. L., et al. Executive deficits are related to the inferior frontal junction in early dementia. Brain. 135 (1), 201-215 (2012).
  3. Rabin, L. A., Burton, L. A., Barr, W. B. Utilization rates of ecologically oriented instruments among clinical neuropsychologists. The Clinical Neuropsychologist. 21 (5), 727-743 (2007).
  4. Sacco, G., et al. Comparison between a paper-pencil version and computerized version for the realization of a neuropsychological test: the example of the trail making test. Journal of Alzhemier's Disease. 68 (4), 1657-1666 (2019).
  5. Faria, C. A., Alves, H. V. D., Charchat-Fichman, H. The most frequently used tests for assessing executive functions in aging. Dementia & Neuropsychologia. 9 (2), 149-155 (2015).
  6. Lezak, M. D., Howieson, D. D., Loring, D. W. . Neuropsychological assessment. 4th ed. , 317-374 (2004).
  7. Lu, J. C., Guo, Q. H., Hong, Z. Trail making test used by Chinese elderly patients with mild cognitive impairment and mild Alzheimer' dementia. Chinese Journal Clinical Psychology. 14 (2), 118-120 (2006).
  8. Lee, S., Lee, J. A., Choi, H. Driving Trail Making Test part B: a variant of the TMT-B. Journal of Physical Therapy Science. 28 (1), 148-153 (2016).
  9. Bastug, G., et al. Oral trail making task as a discriminative tool for different levels of cognitive impairment and normal aging. Archives of Clinical Neuropsychology. 28 (5), 411-417 (2013).
  10. Perrochon, A., Kemoun, G. The Walking Trail-Making Test is an early detection tool for mild cognitive impairment. Clinical Interventions in Aging. 9, 111-119 (2014).
  11. McIntyre, R. S., et al. The THINC-Integrated Tool (THINC-it) screening assessment for cognitive dysfunction: validation in patients with major depressive disorder. The Journal of Clinical Psychiatry. 78 (7), 873-881 (2017).
  12. Schott, N. Trail Walking Test zur Erfassung der motorisch-kognitiven Interferenz bei älteren Erwachsenen. Zeitschrift für Gerontologie und Geriatrie. 48 (8), 722-733 (2015).
  13. Thompson, M. D., et al. Clinical utility of the Trail Making Test practice time. The Clinical Neuropsychologist. 13 (4), 450-455 (1999).
  14. Mahurin, R. K., et al. Trail making test errors and executive function in schizophrenia and depression. The Clinical Neuropsychologist. 20 (2), 271-288 (2006).
  15. Klaming, L., Vlaskamp, B. N. S. Non-dominant hand use increases completion time on part B of the Trail Making Test but not on part A. Behavior Research Methods. 50 (3), 1074-1087 (2017).
  16. Christidi, F., Kararizou, E., Triantafyllou, N., Anagnostouli, M., Zalonis, I. Derived trail making test indices: demographics and cognitive background variables across the adult life span. Aging, Neuropsychology, and Cognition. 22 (6), 667-678 (2015).
  17. Dahmen, J., Cook, D., Fellows, R., Schmitter-Edgecombe, M. An analysis of a digital variant of the Trail Making Test using machine learning techniques. Technology and Health Care. 25 (2), 251-264 (2017).
  18. Woods, D. L., Wyma, J. M., Herron, T. J., Yund, E. W. The effects of aging, malingering, and traumatic brain injury on computerized Trail-Making Test performance. Plos ONE. 10 (6), 0124345 (2014).
  19. Naomi, K., et al. A new device-aided cognitive function test, User eXperience-Trail Making Test (UX-TMT), sensitively detects neuropsychological performance in patients with dementia and Parkinson's disease. BMC Psychiatry. 18 (1), 220 (2018).
  20. Persad, C. C., Jones, J. L., Ashton-Miller, J. A., Alexander, N. B., Giordani, B. Executive function and gait in older adults with cognitive impairment. The Journals of Gerontology Series A: Biological Sciences and Medical Sciences. 63 (12), 1350-1355 (2008).
  21. Zhang, K., Werner, P., Sun, M., Pi-Sunyer, F. X., Boozer, C. N. Measurement of human daily physical activity. Obesity Research. 11 (1), 33-40 (2003).
  22. Zhang, K., Pi-Sunyer, F. X., Boozer, C. N. Improving energy expenditure estimation for physical activity. Medicine and Science in Sports and Exercise. 36 (5), 883-889 (2004).
  23. Gorelick, M. L., Bizzini, M., Maffiuletti, N. A., Munzinger, J. P., Munzinger, U. Test-retest reliability of the IDEEA system in the quantification of step parameters during walking and stair climbing. Clinical Physiology and Functional Imaging. 29 (4), 271-276 (2009).
  24. Nordin, E., Moe-Nilssen, R., Ramnemark, A., Lundin-Olsson, L. Changes in step-width during dual-task walking predicts falls. Gait and Posture. 32 (1), 92-97 (2010).
  25. Liebherr, M., Weiland-Breckle, H., Grewe, T., Schumacher, P. B. Cognitive performance under motor demands - On the influence of task difficulty and postural control. Brain Research. 1684, 1-8 (2018).
  26. Herold, F., Hamacher, D., Schega, L., Müller, N. G. Thinking while moving or moving while thinking – Concepts of motor-cognitive training for cognitive performance enhancement. Frontiers in Aging Neuroscience. 10, 228 (2018).
  27. Kim, H., Hsiao, C. P., Do, Y. L. Home-based computerized cognitive assessment tool for dementia screening. Journal of Ambient Intelligence & Smart Environments. 4, 429-442 (2012).
  28. Mancini, M., et al. Trunk accelerometry reveals postural instability in untreated Parkinson's disease. Parkinsonism & Related Disorders. 17 (7), 557-562 (2011).
  29. Ozinga, S. J., et al. Three-dimensional evaluation of postural stability in Parkinson's disease with mobile technology. NeuroRehabilitation. 41 (1), 211-218 (2017).
  30. Fellows, R. P., ahmen, J., Cook, D., Schmitter-Edgecombe, M. Multicomponent analysis of a digital Trail Making Test. Clinical Neuropsychologist. 31 (1), 154-167 (2017).
  31. Au, R., Piers, R. J., Devine, S. How technology is reshaping cognitive assessment: Lessons from the Framingham Heart Study. Neuropsychology. 31 (8), 846-861 (2017).

Nachdrucke und Genehmigungen

Genehmigung beantragen, um den Text oder die Abbildungen dieses JoVE-Artikels zu verwenden

Genehmigung beantragen

Weitere Artikel entdecken

MedizinAusgabe 153kognitive Beeintr chtigungdigitale TechnologienExekutive DysfunktionGanganalyseVerarbeitungsgeschwindigkeitTrail machen Test

This article has been published

Video Coming Soon

JoVE Logo

Datenschutz

Nutzungsbedingungen

Richtlinien

Forschung

Lehre

ÜBER JoVE

Copyright © 2025 MyJoVE Corporation. Alle Rechte vorbehalten