摘要
背景
阿尔茨海默病（AD）是最常见的神经退行性疾病。尽管传统诊断依赖临床标准，但近年更倾向于采用生物学定义。现有生物标志物虽能有效检测病理特征，但对认知损害程度或疾病异质性的反映不足。替代工具如神经影像和神经生理技术可能更准确地评估实际功能损害。
目的
探索结合定量脑电图（EEG）、脑脊液（CSF）和认知评估的多模式方法，识别预测AD患者认知衰退的最有效指标。
方法
本观察性研究纳入28名生物标志物确诊的AD患者，基线评估包括高密度EEG、CSF生物标志物分析和简易精神状态检查（MMSE）。一年后重复认知评估。认知衰退率以每月MMSE评分变化计算。
结果
基线中位年龄71.2岁，每月MMSE中位下降0.25分。根据衰退速度分为慢进展组（≤0.25 MMSE/月）和快进展组（>0.25 MMSE/月）。快进展组基线个体α频率（IAF）显著较低（6.8 Hz vs 9.1 Hz；p=0.003），一年后MMSE评分更低（19 vs 24；p=0.02），且糖尿病和心血管病史更常见。校正年龄的多元回归分析显示，基线IAF（p=0.002）、初始MMSE评分（p=0.028）和p-tau/Aβ42比值（p<0.01）显著预测月度认知衰退。
结论
整合定量EEG的IAF、基线认知状态和CSF生物标志物（p-tau/Aβ42比值）可提升AD进展预测准确性。这种综合方法更好地捕捉疾病异质性，凸显多模式策略在AD预后和管理中的必要性。
【全文结束】
