需要JoVE订阅才能观看此内容。 请登录或开始免费试用

方法文章

传统连线测验改良为全新评估工具：数字化与步行版连线测验

11.1K 次观看

⸱

DOI：

10.3791/60456

⸱

2019年11月23日

 ,  ,  , 
1Department of Neurology, The Seventh Medical Center of PLA Army General Hospital, 2Department of Neurology, NO 984 Hospital of PLA

* These authors contributed equally

本文内容

摘要

本文介绍了一种实验方案，用于演示如何实施两种源自纸笔版连线测验的认知评估工具。

摘要

连线测试（Trail Making Test，TMT）是评估执行功能的一种广泛认可的工具。标准TMT发明于60多年前，现已衍生出多种版本。随着数字技术的发展，TMT已被改进为数字化版本。本研究展示了在计算机上进行的数字化TMT（dTMT）以及在地面上进行的行走式TMT（WTMT）。与传统的TMT版本相比，这两种新形式均能提供更丰富的信息。

引言

随着人口迅速老龄化，痴呆症已成为重大的公共卫生问题。根据世界卫生组织的数据，全球患有痴呆症的老年人数约为4700万1。执行功能障碍不仅是老年人群中常见的一种认知功能障碍类型，还被报道为轻度认知障碍（MCI）向临床阿尔茨海默病（AD）进展的预测指标2,3。作为神经心理学领域使用最广泛的第三种测试方法4，连线测验（Trail Making Test, TMT）被广泛接受用于评估执行功能，尤其是持续注意力和任务转换能力5，即使在老年患者中也具有良好的应用价值6。

标准的TMT是一种纸笔测试，包含两个部分：tMT-A和tMT-B5。第一部分要求受试者在测试纸上将随机分布的数字（1–25）按升序用线连接起来（1->2->3…），而第二部分则要求受试者交替连接数字和汉字（1->甲->2->乙…）。TMT的表现通常以正确完成每一部分所需的时间进行评分7。TMT已被翻译成多种语言。中文版TMT于2006年开发完成8。由于汉字与英文字母差异较大，本研究采用中文版TMT。

除了标准版本外，研究人员已对TMT进行了多种修改（例如，口服TMT9、驾驶TMT10、步行TMT（WTMT）11），以评估特定人群或在不同条件下（如驾驶和步行时）发现更详细的认知表现。值得注意的是，一些使用与标准TMT不同数量字符的研究也被报道具有较高的效度和信度。例如，McIntyre团队开发的THINC-整合工具（THINC-it）在TMT-B中使用了9个数字和字母12；Schott及其同事报告的WTMT在TMT-A中使用了15个数字13。同样，已有多种TMT评估系统超越了仅以完成时间评分的方式，这些系统被证明有助于发现除执行功能障碍之外的其他认知指标，或适用于无法完成标准TMT的受试者。例如，一些研究人员分析了TMT中的错误，发现精神疾病患者在TMT-B中的错误与心理追踪和工作记忆相关14。来自希腊的一个研究团队建议使用衍生的TMT得分[TMT-(B−A)或TMT(B/A)]作为检测成年期全阶段认知灵活性损害的指标15。总体而言，TMT的替代性评估系统可归纳为以下几类：（1）完成时间分析——TMT完成时间以秒为单位计算16；（2）错误分析——对TMT中不同类型的错误进行分类和量化14；（3）双手间差异分析——比较优势手与非优势手完成TMT的能力差异17；以及（4）衍生的TMT指数分析——分析完成TMT-A与TMT-B之间的不同特征15。这些替代性评分方法提供了额外的信息。例如，TMT错误分析的应用能够揭示仅以完成时间作为结局变量时传统方法未能捕捉到的精神分裂症和抑郁症患者的认知缺陷14。缺乏显著的双手间差异有助于将认知功能障碍与运动障碍的影响区分开来17。衍生的TMT指数能够检测成年期全阶段的认知灵活性损害，并最小化人口统计学及其他认知背景变量的影响15。

随着现代技术的进步，基于计算机的数字应用程序已越来越多地融入传统的认知干预中，其中大多数应用的设计尽可能类似于原始测试，而非作为新工具重新开发。近年来，数字化或计算机化的追踪测试（dTMT）已被证明具有捕获额外信息的潜力，同时基本保持了现有测试的结构不变18,19。

本研究旨在介绍一种基于计算机的中文版数字连线测试A（dTMT-A）和数字连线测试B（dTMT-B），以及书写版连线测试（WTMT）。这两种测试均为改良版连线测试，已证实对筛查轻度认知障碍、帕金森病、阿尔茨海默病等患者具有较高的敏感性和特异性，其评估依据包括上下肢的运动表现20,21。本文还详细介绍了评分方法，因为将数字技术应用于dTMT和WTMT可能比传统的纸笔版连线测试（TMT）捕获更丰富的信息。

访问受限。请登录或开始试用以查看此内容。

方案

dTMT 的开发及初步应用已获得中国人民解放军总医院第七医学中心伦理审查委员会批准。受试者在进行 TMT 检测前均签署了经批准的知情同意书。

1. 通用方法开发

  1. 使用带有高质量惯性传感器的平板电脑（例如 Microsoft Surface Pro 2）以及兼容的电子笔（图1）。
  2. 使用智能能量消耗与活动监测仪（Intelligent Device for Energy Expenditure and Activity, IDEEA），该设备由五个传感器（每个 16 x 14 x 4 mm3，2 g）组成，其中一个贴附于胸骨处，两个分别贴附于左右大腿前侧，另两个分别置于双足底部。通过刚性电缆将胸骨和大腿传感器连接至一个小型 32 位微处理器（70 x 44 x 18 mm3，59 g），足部传感器则采用有线连接（图2）。

2. dTMT 的设计与测试

注意：如前所述，数字轨迹连线测试（dTMT）包含两个部分：dTMT-A 和 dTMT-B。这两项测试应按顺序依次进行（先进行 dTMT-A，后进行 dTMT-B），不得颠倒顺序。

  1. dTMT-A 操作流程
    1. 在安静且舒适的环境中进行 dTMT-A 测试。
      注意：参与完成 dTMT 的受试者应具有至少两年小学以上的教育水平；否则，他们在阅读和识别 dTMT-B 中的汉字时可能会遇到困难。同时，确保受试者无明显视觉障碍或上肢功能障碍。
    2. 要求受试者坐在桌前，并调整计算机位置、背景光线以及电子笔。
    3. 检查受试者的近视力，以确保其能够轻松阅读屏幕上的数字。
      注意：部分老年受试者可能需要佩戴眼镜，以防老花眼导致屏幕上的圆圈显得过小。
    4. 向受试者展示 dTMT-A 的说明如下：请尽可能快速地用直线连接屏幕上随机分布的圆圈中的连续数字（即 1->2->3…9）。需要进行一次预测试（最长 150 秒），因为大多数受试者需要熟悉如何在计算机表面进行绘图。
    5. 演示 dTMT-A 与标准 TMT-A 的主要区别。第一，若圆圈被正确连接，其颜色会发生变化。第二，若连接错误，圆圈颜色保持不变，受试者需从上一个正确连接的圆圈重新开始连接。
      注意：鼓励受试者使用直线流畅地连接所有圆圈。
    6. 建议受试者尽量避免错误和浪费时间。鼓励其尽可能流畅且准确地绘线，但无需优先考虑速度。
    7. 要求受试者在屏幕上选择 PartA（图 1 下图）以连续完成 dTMT-A。所有 dTMT-A 数据将由计算机自动采集。
      注意：若需收集数据以研究双手间的差异，则需使用另一只手再进行一次测试。左右手测试顺序应随机安排。
  2. dTMT-B 操作流程
    1. 重复步骤 2.1。
    2. 向受试者展示 dTMT-B 的说明如下：请尽可能快速地交替连接屏幕上随机分布的圆圈中的数字与汉字（即 1->静力平衡图；ΣFx=0；符号；力学系统中的平衡；简洁的教育概念。->2->静力平衡；ΣFx=0, MA=0；图示；力、力矩、平衡；力学分析…化学平衡方程，K_eq，图示，分析化学，反应平衡，热力学。）。
      注意：确保所有汉字均能被受试者识别。同样需要进行一次预测试（最长 150 秒），因为部分受试者需要熟悉如何交替连接数字与汉字。
    3. 要求受试者在屏幕上选择 PartB（图 1 下图）以连续完成 dTMT-B。所有 dTMT-B 数据将由计算机自动采集。
      注意：若需收集数据以研究双手间的差异，则需使用另一只手再进行一次测试。左右手测试顺序应随机安排。

3. dTMT 中的直接数据采集与定义

  1. 确定完成总时间：按正确顺序连接所有圆圈所需的时间（毫秒）。
  2. 确定错误次数：连接到顺序错误的圆圈的线条绘制次数。
  3. 确定每一步的完成时间：绘制每一步所需的时间（毫秒）。
  4. 确定每个圆圈内的停留时间：在圆圈内部绘制所花费的时间（毫秒）。
  5. 确定圆圈内时间占比（%）：每个圆圈内的停留时间除以完成总时间。
  6. 确定每个容差圆圈内的停留时间：在容差圆圈内部绘制所花费的时间（毫秒）。
  7. 确定容差圆圈内时间占比（%）：每个容差圆圈内的停留时间除以完成总时间。
  8. 确定每一步中的线条取消次数：每一步中线条被取消的次数。容差圆圈的直径是实际圆圈直径的五倍。
  9. 确定每一步的最佳路径：每一步中最短的连接线长度（毫米）。
  10. 确定每一步的实际路径：每一步中实际绘制的线条长度（毫米）。
  11. 确定每一步的路径偏差：每一步实际路径长度（毫米）减去最短路径长度（毫米）。
  12. 确定路径偏差的变异性：每一步路径偏差的变异系数。
  13. 确定每一步的绘图速度：每一步的实际路径长度（毫米）除以该步的完成时间（毫秒）。
    注意：平均值通过逐步累加所收集的数据计算得出。基于直接数据推导出反映双手或不同部位之间差异的间接数据。

4. WTMT 的设计与测试

注意： 与 dTMT 类似，WTMT 也包含两个部分：WTMT-A 和 WTMT-B。这两项测试应按顺序进行（先进行 WTMT-A，再进行 WTMT-B），不得颠倒顺序。

  1. WTMT-A 实验步骤
    1. 在安静且舒适的环境中进行WTMT-A测试。确保环境光线适中。将标有数字的硬币随机放置于16 m²区域内15个位置上2 面积（4 x 4 m）2）。以每枚硬币为中心，画一个直径为30 cm的圆图3).
      注意： 完成威斯康星卡片分类测验（WTMT）的参与者应具有超过两年小学教育水平；否则，他们可能在阅读和识别WTMT-B中的汉字时存在困难。同时，需确保参与者无明显视力障碍和下肢残疾。
    2. 将智能能量消耗与活动监测设备（IDEEA）连接至计算机，并输入受试者的体格测量数据。
    3. 安装五个双轴微型加速度计（16 × 14 × 4 mm）3，用医用胶带将2 g重物固定于胸骨处、每侧大腿前侧以及每只脚底部图4）。通过细而柔韧的电缆将所有加速度计连接至微处理器/存储单元（70 × 44 × 18 mm3，59 克）用夹子固定在衣物上。
      注意： IDEEA 是一种基于多个加速度计的系统，包含五个位于上躯干、大腿和足部的双轴加速度计。IDEEA 最初开发用于估算日常活动中的能量消耗22,23，但还具备量化许多常用步态周期参数的能力24.
    4. 设备安装完毕后，让参与者以舒适的步行速度在通道上来回行走，不设任何目标物，进行热身。
    5. 显示WTMT-A的说明如下：请尽快按顺序踩在带编号的目标上，依次连接连续的数字（即1->2->3…15）随机分布在地板上的硬币中。
    6. 鼓励参与者流畅行走，同时尽可能准确；但无需强调其中任何一方面。仅执行一次威斯康星字母连线测试A（WTMT-A）。
    7. 确保参与者的安全，因为在具有挑战性的环境中进行双重任务行走可能会增加跌倒的风险25对于前测和后测，IDEEA 需要 5 s 的阶跃暂停以区分行走与站立。
      注意： 任一脚踩在硬币上即视为到达目标。若参与者行走顺序错误，应给予指导直至其按正确顺序行走。所有WTMT-A数据均由IDEEA微处理器/存储单元自动采集。
  2. WTMT-B 程序
    1. 重复第4.1.1节中的步骤。
    2. 显示WTMT-A的说明如下：请尽快按顺序踩在带编号的目标上，连接连续的数字（即1->光吸收分析图中的光谱符号。->2->静力平衡示意图，ΣFx=0，MA=0 方程，力学平衡图示。…静态平衡：ΣFx=0，ΣFy=0，平衡示意图，力与力矩图解，物理学概念>8) 在地板上随机分布的硬币中。确保所有汉字均能被参与者识别。
    3. 仅执行一次威斯康星卡片分类测验B（WTMT-B）。
    4. 确保参与者的安全，因为在具有挑战性的环境中进行双重任务行走可能会增加跌倒的风险25对于前测和后测，IDEEA 需要 5 秒的步进暂停以区分行走与站立。
      注意： 任一脚踩在硬币上即视为到达目标。若受试者行走顺序错误，应给予指导，直至其按正确顺序行走。所有WTMT-B数据均由IDEEA微处理器/存储单元自动采集。

5. WTMT 中的直接数据收集与意义解释

注意： 如图5所示，人类步态周期已被划分为不同的子阶段。具体而言，空间和时间参数的定义与计算如下。

  1. 确定步数（n）：在水平行走过程中完成的步数，包括右肢和左肢的步数。
  2. 确定摆动时相（%）：从任一脚趾离地开始，到同侧脚初次接触地面或台阶为止的时相百分比。
  3. 确定支撑时相（%）：从一只脚足跟触地到对侧脚足跟触地之间的时相百分比。
  4. 确定行走速度（m/s）：连续两个步态周期的平均速度。
  5. 确定步长（m）：一侧脚（右脚或左脚）初次足跟触地点与对侧脚足跟触地点之间的距离差。
  6. 确定步幅长度（m）：同一侧脚连续两次初次触地点之间的距离，即右-左-右（R-L-R）或左-右-左（L-R-L）序列中的距离。
  7. 确定步长的步态变异性：步长变异系数。
    注意： 完成时间和错误次数由检查者记录和统计，而非由 IDEEA 系统采集。

6. 数据收集与统计学分析

  1. 使用单因素方差分析（one-way ANOVA）和Fisher最小显著差异法（Fisher’s LSD）比较各组间的差异。人口统计学数据列于 表1dTMT-A、dTMT-B、WTMT-A 和 WTMT-B 数据如图所示 表 2-5 分别。P < 0.05 被视为具有统计学显著性差异的界限。

访问受限。请登录或开始试用以查看此内容。

结果

招募了七名轻度认知障碍老年患者（轻度认知障碍老年人）、七名帕金森病老年患者（帕金森病老年人）和七名健康老年个体（健康老年人），并进行了动态追踪记忆测试A（dTMT-A）、动态追踪记忆测试B（dTMT-B）、纸质追踪记忆测试A（WTMT-A）和纸质追踪记忆测试B（WTMT-B）。测试完成后，使用SPSS软件收集并分析数据。

总体而言，参与者的 demographics 数据显示，所有组别在年龄、性别、教育水平、利手、临床痴呆评定（CDR）评分、整体衰退量表（GDS）评分、计时起走试验（TUG）等方面均匹配良好（p > 0.05）。

如表2所示，健康老年人、轻度认知障碍（MCI）老年人和帕金森病（PD）老年人在 dTMT-A 测试中的大多数数据相似，例如完成总时间（18.15 ± 5.12 秒 vs. 19.67 ± 7.12 秒 vs. 19.85 ± 3.89 秒，P = 0.812）、错误次数（0.14 ± 0.38 vs. 0.29 ± 0.49 vs. 0.29 ± 0.49，P = 0...

访问受限。请登录或开始试用以查看此内容。

讨论

传统的纸笔版TMT在全球范围内已使用超过50年。然而，数字化TMT具有诸多优势。首先，传统TMT被视为一种执行功能评估工具，而dTMT和WTMT除了反映认知功能外，还能体现运动能力的多个方面。考虑到近年来认知-运动双重任务受到广泛关注26，与传统TMT相比，数字技术可为研究者提供关于这一整合性任务的更多信息27。其次，与传统版本相比，数字化TMT是一种更为敏感的工具。数字化TMT相对于传统方法无需额外耗时，受试者的依从性良好。

该方案中的一个关键步骤是必须连续完成dTMT和WTMT，因为这两个测试均采集了时间变量。受试者需要流畅地完成测试。任何由测试人员引起的延迟，或误解、分心等情况，都应尽量减少或消除。

有两个改进之处需要提及。首先，对于数字版连线测验（dTMT），触控笔在屏幕上施加的实时压力是影响绘图的一个敏感变量，这一点已在数字版时钟绘图测验中得到证实28。随着技术进一步发展，未...

访问受限。请登录或开始试用以查看此内容。

披露

作者无任何利益冲突需要披露。

致谢

作者感谢 Xiaode Chen 提供的数字技术支持。

访问受限。请登录或开始试用以查看此内容。

材料

本文使用的材料清单
姓名公司目录编号评论
MinisunLLC智能能量消耗与活动监测设备（IDEEA）
Surface Pro 2Microsoft计算机

参考文献

  1. 10 facts on dementia. World Health Organization. , Available from: http://www.who.int/features/factfiles/dementia/en (2017).
  2. 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).
  3. Schroeter, M. L., et al. Executive deficits are related to the inferior frontal junction in early dementia. Brain. 135 (1), 201-215 (2012).
  4. 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).
  5. 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).
  6. 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).
  7. Lezak, M. D., Howieson, D. D., Loring, D. W. Neuropsychological assessment. 4th ed. , Oxford University Press. New York. 317-374 (2004).
  8. 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).
  9. 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).
  10. 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).
  11. 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).
  12. 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).
  13. Schott, N. Trail Walking Test zur Erfassung der motorisch-kognitiven Interferenz bei älteren Erwachsenen. Zeitschrift für Gerontologie und Geriatrie. 48 (8), 722-733 (2015).
  14. Thompson, M. D., et al. Clinical utility of the Trail Making Test practice time. The Clinical Neuropsychologist. 13 (4), 450-455 (1999).
  15. Mahurin, R. K., et al. Trail making test errors and executive function in schizophrenia and depression. The Clinical Neuropsychologist. 20 (2), 271-288 (2006).
  16. 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).
  17. 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).
  18. 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).
  19. 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).
  20. 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).
  21. 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).
  22. 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).
  23. 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).
  24. 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).
  25. 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).
  26. 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).
  27. 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).
  28. 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).
  29. Mancini, M., et al. Trunk accelerometry reveals postural instability in untreated Parkinson's disease. Parkinsonism & Related Disorders. 17 (7), 557-562 (2011).
  30. Ozinga, S. J., et al. Three-dimensional evaluation of postural stability in Parkinson's disease with mobile technology. NeuroRehabilitation. 41 (1), 211-218 (2017).
  31. 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).
  32. 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).

访问受限。请登录或开始试用以查看此内容。

重印与许可

标签

A B A B
传统连线测验改良为全新评估工具：数字化与步行版连线测验
联系我们
向图书馆推荐

隐私

使用条款

政策

版权所有 © 2026 MyJoVE Corporation。保留所有权利。