根据最近的一项研究，认知要求较高的听写任务可能有助于区分有认知障碍的老年人和认知健康的同龄人，而较简单的手写练习在区分这两组人群方面能力有限。
这项横断面研究包括58名居住在葡萄牙的机构化老年人，其中38人有认知障碍，20人认知健康。研究人员使用教育调整后的简易精神状态检查（Mini-Mental State Examination）得分、时钟绘制测试（Clock Drawing Test）得分以及确认认知障碍的医疗记录来分类认知状态。
参与者在数字化写字板上完成了两项笔控任务和四项涉及句子抄写和听写的书写速度任务。研究人员分析了九个手写动力学变量，包括垂直大小、水平大小、倾斜度、开始时间、持续时间、相对落笔持续时间、标准化y-jerk（垂直方向加速度变化率）、平均笔压和笔画数量。
第三项书写速度任务，即听写练习，产生了最显著的结果。持续时间和笔画数量与认知障碍显著相关，而垂直大小和开始时间则显示出边缘关联。
点任务模型在统计学上不显著。虽然线条任务模型总体上达到了统计学显著性，但在进行多重比较校正后，没有单一的动力学预测因子能独立地对分类做出贡献。
研究人员还评估了手写动力学测量是否能预测书写表现。在认知健康的参与者中，过程变量与书写速度之间的关联有限。只有第三项听写任务中的水平大小预测了书写速度。
在有认知障碍的参与者中，手写动力学与书写表现之间出现了更强的关联。在第二项听写任务中，开始时间和笔画数量显著预测了书写速度。在第三项听写任务中，垂直大小、开始时间和持续时间显著预测了书写表现，而标准化y-jerk接近统计学显著性。
"听写任务需要进行语音解码、正字法检索、序列维持和运动编程，根据工作记忆模型的描述，这些任务对语音环路和中央执行系统提出了相当大的要求，"葡萄牙Évora大学健康与人类发展学院体育与健康系以及Évora综合健康研究中心的首席研究作者João Galrinho及其同事写道。"诊断性区分只有在施加更高认知-运动要求的任务下才会出现。"
研究人员使用了二元逻辑回归和多重线性回归模型，并对多重比较进行了Bonferroni校正。他们在分析前使用中位数填补了低于5%的缺失数据。事后功效分析表明，检测中到大效应的敏感性足够，尽管由于样本量限制，亚组分析对小效应的敏感性较低。
研究者指出了几个局限性。研究人员没有系统地分析药物使用情况；然而，他们排除了已知会影响运动控制的神经或精神疾病的参与者。由于所有参与者都是从住宅护理机构招募的，因此研究结果可能不适用于独立生活的老年人。横断面设计也限制了关于时间进程或预测未来认知衰退的结论。
研究人员总结道："数字手写评估代表了一种低成本、非侵入性且生态效度高的方法，具有早期筛查和监测认知衰退的强大潜力。"
该研究部分资金来自Fundação Ciência e Tecnologia，并通过CHRC获得IP国家支持。研究作者报告没有商业或财务利益冲突。文章还指出，使用了生成式人工智能工具来提高清晰度和可读性，而不改变原始科学内容。
【全文结束】