Effect of Donepezil on Cognition in Severe Alzheimer's Disease: A Pooled Data Analysis
Notice bibliographique
Résumé
To better characterize response to donepezil in patients with severe AD, Severe Impairment Battery (SIB) data were pooled from four donepezil clinical trials (N=904). Changes in SIB total and domain scores from baseline to week 24 were compared between placebo and donepezil treatment groups (observed case analysis). Analyses were stratified by baseline severity (Mini-Mental State Examination [MMSE] scores 1-5, 6-9, 10-12 and 13-17) to allow investigation of responses at different stages of cognitive impairment. Relationships to global and functional measures were explored. The difference between donepezil- and placebo-treated patients in least squares (LS) mean change in SIB total scores from baseline to week 24 was 6.22 (p < 0.0001, Cohen's d, 0.53). Treatment-placebo differences were statistically significant for each baseline severity stratum, being greatest for the MMSE 6-9 stratum (LS mean difference, 7.60; p < 0.0001, Cohen's d, 0.66). Treatment-placebo differences in LS mean change in SIB domain scores significantly favored donepezil for seven of nine domains (range, p = 0.0056 to p < 0.0001; Cohen's d, 0.17-0.48). Change in total SIB score correlated significantly with change in measures of activities of daily living and global status. These results indicate that donepezil provides cognitive benefits in patients with severe AD, including those most markedly impaired. The treatment effect size and correlation between improvements in SIB scores and functional and global outcome measures suggest the drug-placebo differences are clinically meaningful.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».