Introdução: O Questionário do Informante sobre o Declínio Cognitivo do Idoso (IQCODE) é um instrumento de rastreio que se baseia nas informações fornecidas por familiares ou cuidadores acerca de um possível declínio cognitivo do paciente. Embora tenha boa sensibilidade para a identificação de casos suspeitos de demência, poucos estudos avaliaram as propriedades diagnósticas do IQCODE no rastreio do comprometimento cognitivo leve (CCL). O CCL corresponde a uma condição de risco para o desenvolvimento de demência, sendo caracterizado pela presença de alterações cognitivas que podem ser mensuradas objetivamente, indicando um declínio em relação ao desempenho esperado para indivíduos da mesma faixa etária e nível de instrução. Tais alterações cognitivas (ou déficits) são insuficientes para o diagnóstico de demência, no caso de um funcionamento cognitivo global preservado e da capacidade de desempenhar as atividades da vida diária (Winblad, 2004). Objetivos: Examinar as propriedades diagnósticas do IQCODE no rastreio do CCL, identificando os pontos de corte do teste IQCODE que melhor separam indivíduos idosos cognitivamente normais dos indivíduos com CCL; correlacionar os resultados obtidos com outros testes de rastreio cognitivo amplamente utilizados em nosso meio, como o Mini-Exame do Estado Mental (MEEM), o Teste do Desenho do Relógio (TDR) e o Teste Cognitivo de Cambridge (CAMCOG); identificar entre os 26 itens do IQCODE os agrupamentos (clusters) que contribuem para a identificação dos casos de CCL. Métodos: Estudo de corte transversal em amostra de 167 indivíduos idosos (Controles n=51, CCL n=58 e Demência de Alzheimer (DA) n=58) acompanhados no Ambulatório de Psicogeriatria do LIM-27, Instituto de Psiquiatria do Hospital das Clínicas da Faculdade de Medicina da Universidade de São Paulo. O diagnóstico do estado cognitivo (padrão-ouro) estabelecido por meio de consenso multidisciplinar, levando-se em consideração as informações clínicas e o desempenho em testes neuropsicológicos: A idade média dos indivíduos de cada grupo foi, respectivamente, de 67,5 (±5,6), 70,2 (±6,1) e 75,5 (±8,4) anos, e a escolaridade média foi de 12,6 (±5,4), 9,6 (±5,7) e 8,5 (±5,5) anos. Análises de curvas ROC (Receiver Operating Characteristics) foram realizadas para avaliar a acurácia diagnóstica do IQCODE e demais testes comparativos na separação dos pacientes de cada grupo diagnóstico, comparados dois a dois (CCL versus Controles, CCL versus DA, DA versus Controles); por meio de regressão logística, avaliou-se o potencial do uso combinado do IQCODE em conjunto com os demais instrumentos de rastreio para predizer a ocorrência de CCL e DA; finalmente, por meio de análise de clusters, avaliou-se a distribuição dos diferentes itens do IQCODE nos pacientes com CCL e seus subtipos. Resultados: Os pontos de corte do IQCODE para a separação dos grupos diagnósticos foram: (a) DA versus Controles: 3,3 (AUC=0,90; sensibilidade: 84,5%; especificidade: 82,4%); (b) CCL versus Controles: 3,1 (AUC=0,73; sensibilidade: 77,6%; especificidade: 60,8%); (c) CCL versus DA: 3,4 (AUC=0,81; sensibilidade: 79,3%; especificidade: 70,7%). O IQCODE apresentou melhor correlação com o CAMCOG (=0,542; p<0,001). Com base na análise de cluster, estimou-se que o agrupamento que contém itens relacionados à memória episódica foi o mais relevante para identificar os pacientes portadores de CCL amnéstico. Conclusões: O uso do IQCODE obteve melhores resultados para diferenciar idosos cognitivamente normais de CCL quando utilizado em conjunto com o CAMCOG. A análise de cluster do IQCODE melhor prediz CCL e seus subtipos / Introduction: The Informant Questionnaire of Cognitive Decline in the Elderly is a screening diagnostic instrument which is based on given information from family members and caregivers regarding a possible patients cognitive impairment. Despite its good sensitivity for suspected dementia caseness, few studies have been carried out using the diagnosis properties of the IQCODE to screen for Mild Cognitive Impairment (MCI). MCI corresponds to a condition of a risk factor for dementia outcome and is characterized by the presence of cognitive changes measured objectively, indicating an impairment in comparison with the expected performance for individuals at the same age and years of schooling. These deficits are insufficient for dementia diagnosis in case of preserved global cognitive functioning as well as in the capacity to perform daily activities (Winblad, 2004). Objectives: Examine diagnostic properties of the IQCODE in identifying cut-off scores which best distinguish the cognitively normal elderly from those with MCI; to correlate these results with other widely used cognitive tests, such as the Mini Mental State Examination (MMSE), the Clock Drawing Test (CDT) and the Cambridge Cognitive Test (CAMCOG); to identify among the 26 items in the IQCODE those clusters which best contribute to the identification of the cases. Methods: Cross-sectional study in a sample of 167 elderly subjects (Controls: n=51, MCI: n=58 and Alzheimer Disease (AD): n=58) followed at the Psychogeriatric Clinic of the Laboratory of Neuroscience (LIM-27), Department and Institute of Psychiatry, Faculty of Medicine, University of São Paulo. The cognitive diagnosis was reached by consensus at expert multi-disciplinary meetings (gold standard), taking into account clinical and neuropsychological evaluation. The mean age in each group was respectively: 67.5(±5.6), 70.2 (±6.1) and 75.5 (±8.4) years, and mean of years of schooling were 12.6(±5.4), 9.6(±5.7) and 8.5(±5.5) years. ROC (Receiver Operating Characteristics) Curve analysis were carried out to determine diagnostic accuracy of the IQCODE and the comparative tests in paired sets (MCI versus Controls, MCI versus AD, AD versus Controls); by logistic regression analysis it was evaluated the prediction of MCI and AD with the IQCODE and its combined usage with the comparative tests; finally by cluster analysis it was evaluated the different distribution of the IQCODE items in MCI patients and its subtypes. Results: The IQCODE cut-off scores for diagnostic groups separation were: (a) AD versus Controls: 3.3 (AUC=0.90; sensitivity: 84.5%; specificity: 82.4 %( b) MCI versus Controls: 3.1 (AUC=0.73; sensitivity: 77.6%; specificity%: 60.8); (c) MCI versus AD: 3.4 (AUC=0.81; sensitivity: 79.3%; specificity: 70.7%). The IQCODE had the best correlation with the CAMCOG (=0.542; p<0.001). According to cluster analysis, the episodic memory grouping was the most relevant in identifying amnestic MCI. Conclusions: The IQCODE achieved best results to discriminate cognitively unimpaired elderly from MCI when combined with the CAMCOG. Cluster analysis of the IQCODE better predicts MCI and its subtypes.
Identifer | oai:union.ndltd.org:usp.br/oai:teses.usp.br:tde-15042009-172745 |
Date | 13 February 2009 |
Creators | Abreu, Izabella Dutra de |
Contributors | Forlenza, Orestes Vicente |
Publisher | Biblioteca Digitais de Teses e Dissertações da USP |
Source Sets | Universidade de São Paulo |
Language | Portuguese |
Detected Language | English |
Type | Dissertação de Mestrado |
Format | application/pdf |
Rights | Liberar o conteúdo para acesso público. |
Page generated in 0.0028 seconds