A demência representa um dos maiores desafios de saúde pública da atualidade, e sua longa fase pré-clínica, que pode se estender por décadas antes do diagnóstico, torna a detecção precoce uma prioridade crescente na neurologia. Biomarcadores plasmáticos como o p-tau217 ganham cada vez mais espaço nesse contexto, mas a busca por ferramentas complementares, escaláveis e não invasivas permanece em curso.
Nesse cenário, foi publicado recentemente na JAMA Neurology um estudo de coorte prospectivo que investigou se métricas derivadas de acelerômetro, capazes de capturar dimensões do ciclo sono-vigília (CSV), se associam ao risco de demência incidente e contribuem para sua predição em modelos que já incluem fatores de risco conhecidos.
Como o estudo sobre ciclo sono-vigília e demência foi conduzido
Trata-se de um estudo de coorte prospectivo de base populacional, conduzido em duas coortes do Reino Unido: o UK Biobank (UKB), utilizado como estudo de derivação, e o Whitehall II (WII), utilizado como estudo de validação externa. O UKB é uma coorte de 502.371 adultos entre 40 e 69 anos no início do estudo, com substudo de acelerometria conduzido entre 2013 e 2015. O WII é uma coorte ocupacional prospectiva, com substudo de acelerometria conduzido entre 2012 e 2013.
Foram incluídos participantes com ≥ 60 anos, sem demência no momento da avaliação com acelerômetro, e com dados válidos de acelerometria e covariáveis. O dispositivo Axivity AX3 foi utilizado no punho dominante por sete dias consecutivos. A partir desses dados, foram derivadas 36 métricas cobrindo quatro dimensões do CSV: ritmo de repouso-atividade (RRA), atividade diurna, sono e cronotipo.
O desfecho primário foi a demência por todas as causas, identificada por registros eletrônicos de saúde, utilizando os códigos da Classificação Internacional de Doenças, 10ª revisão (CID-10): F00-F03, F05.1, G30 e G31. Desfechos secundários incluíram doença cardiovascular incidente e mortalidade.
As covariáveis incluíram fatores sociodemográficos (idade, sexo, escolaridade, estado civil), comportamentais (tabagismo, consumo de álcool e de frutas e vegetais) e relacionados à saúde (índice de massa corporal, hipertensão, diabetes, hiperlipidemia, uso de medicações do sistema nervoso central e número de doenças crônicas), além do genótipo APOE.
Para identificar quais métricas do CSV tinham maior relevância preditiva, e como combiná-las de forma não redundante, os autores utilizaram uma abordagem de aprendizado de máquina aplicada à análise de sobrevivência. O método permitiu selecionar, entre as 36 métricas iniciais, aquelas com contribuição independente para o risco de demência, agrupando-as em componentes que resumissem as informações mais relevantes. Em seguida, esses componentes foram adicionados a um modelo de Cox já contendo os fatores de risco conhecidos, e avaliou-se o quanto a inclusão deles melhorava a capacidade do modelo de discriminar quem desenvolveria ou não demência, medida pelo índice C (equivalente à área sob a curva ROC em análises de sobrevivência).
O que os dados de acelerometria revelaram sobre o risco de demência
Foram incluídos 53.448 participantes do UKB com ≥ 60 anos (idade média 67,5 anos sendo 54,2% mulheres), sem demência basal, com seguimento médio de 7,8 anos. Ao longo do seguimento, 758 participantes (1,4%) desenvolveram demência; esses indivíduos eram, em média, mais velhos, menos escolarizados, mais frequentemente do sexo masculino, com maior prevalência de hipertensão e diabetes, e mais frequentemente portadores de pelo menos um alelo APOE ε4 (51,1% vs. 27,5%).
Das 36 métricas avaliadas, nove foram selecionadas e agrupadas em dois perfis complementares de risco. O perfil 1, predominantemente relacionado à atividade diurna, caracterizou indivíduos com episódios de atividade física moderada a vigorosa menos frequentes e mais curtos, maior tempo em atividade de baixa intensidade e maior tendência a interromper a atividade e entrar em repouso ao longo do dia. Já o perfil 2, relacionado ao sono e ao horário de despertar, identificou indivíduos com durações de sono nos extremos (tanto muito curto quanto muito longo), maior fragmentação do sono noturno e acordar mais cedo pela manhã, sendo esse último o fator de maior peso dentro do componente.
Saiba mais: Quão comum é o hipercortisolismo no diabetes tipo 2?
Ambos os perfis se associaram de forma independente a maior risco de demência após ajuste para fatores de risco conhecidos. O perfil de atividade diurna mostrou associação mais expressiva (HR 1,43; IC 95%, 1,33–1,54), enquanto o perfil de sono e cronotipo também contribuiu de forma significativa (HR 1,10; IC 95%, 1,04–1,17). A incorporação dos dois perfis ao modelo preditivo melhorou sua capacidade de discriminar quem desenvolveria demência (índice C de 0,753 para 0,771; ΔC = 0,018; IC 95%, 0,011–0,025). Portanto, o índice C de 0,753 já representava boa discriminação; contudo, através da incorporação dos dois perfis no modelo preditivo, houve ganho de 1,8 pontos percentuais (índice C de 0,771) para atribuir corretamente o indivíduo que desenvolveu demência. Ainda que esse ganho aparente ser pequeno, é estatisticamente robusto e clinicamente relevante (considerando que o intervalo de confiança não cruzou o zero), pois esse ganho ocorre em um modelo que já inclui a idade, o maior preditor isolado de demência, deixando pouco espaço para melhorias adicionais. A exclusão de casos diagnosticados nos primeiros dois anos de seguimento, estratégia para minimizar a possibilidade de causalidade reversa, não alterou os resultados.
Na coorte de validação externa do WII, com 3.965 participantes (idade média 69,4 anos), 346 (8,7%) desenvolveram demência ao longo de um seguimento médio de 10,6 anos. Em análise ajustada, os componentes 1 e 2 também se associaram a maior risco de demência (HR 1,42; IC 95%, 1,26–1,59 e HR 1,24; IC 95%, 1,13–1,36, respectivamente). Resultados semelhantes foram observados em modelos que incluíam também o genótipo APOE ε4 (ΔC = 0,017; IC 95%, 0,008–0,027), sintomas depressivos e escore do Mini-Mental State Examination (MEEM) (ΔC = 0,013; IC 95%, 0,004–0,021), e p-tau217 (ΔC = 0,011; IC 95%, 0,003–0,018).
Os componentes do CSV também se associaram a maior risco de mortalidade e de DCV incidente em ambas as coortes; entretanto, sua contribuição preditiva para esses desfechos foi inferior à observada para demência.
Interpretando os achados
Este é o primeiro estudo, segundo os autores, a se destacar por examinar simultaneamente todas as dimensões do CSV para predição de demência em modelos contendo fatores de risco estabelecidos, com validação externa em coorte independente. O perfil 1, predominantemente relacionado à atividade diurna, mostrou associação e valor preditivo mais robustos, em linha com a literatura que aponta maior risco de demência em indivíduos mais sedentários e menos ativos fisicamente. Já o perfil 2, centrado em sono e cronotipo, reforça achados prévios sobre o impacto de durações extremas de sono, fragmentação do sono e cronotipos mais matutinos no risco de demência, parâmetros que raramente são avaliados em conjunto.
Do ponto de vista metodológico, a escolha de um modelo conservador, estimando o valor preditivo incremental em relação a um conjunto amplo de covariáveis já estabelecidas, fortalece a interpretação dos resultados. O índice C é notoriamente conservador e pouco sensível a ganhos marginais, especialmente quando a idade já está incluída no modelo (C = 0,74 apenas com a idade, no UKB). Nesse contexto, um ganho de 1,8% adquire relevância prática.
A abordagem de aprendizado de máquina aplicada à análise de sobrevivência permitiu lidar com a alta colinearidade entre as 36 métricas e identificar combinações não redundantes de preditores, superando limitações de estudos anteriores que avaliavam métricas isoladas.
Entre as principais limitações do estudo destacam-se: seguimento médio de apenas 7,8 anos na coorte de derivação, o que pode subestimar associações com demência de início mais tardio; impossibilidade de examinar subtipos de demência por questões metodológicas; avaliação do CSV restrita a uma semana, que pode não refletir padrões de longo prazo; e ausência de dados sobre distúrbios do sono (como apneia obstrutiva do sono), que poderiam confundir as associações observadas. Além disso, ambas as coortes são compostas predominantemente por indivíduos brancos, com perfil de saúde mais favorável que a população geral, o que limita a generalização dos achados.
AAN 2026: Transtorno comportamental do sono REM
O que fica dessa evidência para a detecção precoce da demência
Os resultados deste estudo reforçam que o ciclo sono-vigília, acessível de forma não invasiva por meio de acelerômetros de pulso, dispositivos amplamente disponíveis e de uso cotidiano, pode contribuir de forma modesta, mas estatisticamente significativa, para a identificação precoce de indivíduos em maior risco de demência.
Do ponto de vista clínico, indivíduos com padrões desfavoráveis de atividade e sono na fase inicial da velhice poderiam se beneficiar de investigação mais aprofundada em cenários especializados. Os achados também abrem perspectiva para intervenções não farmacológicas voltadas ao fortalecimento da ritmicidade circadiana, como aumento da atividade física diurna, melhora da qualidade do sono e retardo do horário de despertar, como estratégias potencialmente protetoras no contexto da prevenção de demência.
Autoria
Danielle Calil
Conteudista médica na Afya. Formada em medicina pela Universidade Federal Fluminense (UFF), com residência médica em Neurologia pela Universidade Federal do Rio de Janeiro (UFRJ). Fellow em Neurologia Cognitiva e Anormalidades do Movimento pela Universidade Federal de Minas Gerais (UFMG). Mestre no Programa de Pós Graduação em Ciências Aplicadas à Saúde do Adulto na UFMG e, atualmente, cursando o doutorado na mesma instituição. Além da atuação na Afya, também atende em consultório particular e em rede secundária no SUS.
Exclusividade médicaPrescreva medicação aos seus pacientes de forma gratuita e ilimitada
Como você avalia este conteúdo?
Sua opinião ajudará outros médicos a encontrar conteúdos mais relevantes.