Screening Mild and Major Neurocognitive Disorders in Parkinson’s Disease
Notice bibliographique
Résumé
INTRODUCTION: Among the nonmotor features of Parkinson's disease (PD), cognitive impairment is one of the most troublesome problems. New diagnostic criteria for mild and major neurocognitive disorder (NCD) in PD were established by Diagnostic and Statistical Manual of Mental Disorders 5th edition (DSM-5). The aim of our study was to establish the diagnostic accuracy of widely used screening tests for NCD in PD. METHODS: Within the scope of our study we evaluated the sensitivity and specificity of different neuropsychological tests (Addenbrooke's Cognitive Examination (ACE), Mattis Dementia Rating Scale (MDRS), Mini Mental State Examination (MMSE), and Montreal Cognitive Assessment (MoCA)) in 370 PD patients without depression. RESULTS: MoCA and ACE feature the finest diagnostic accuracy for detecting mild cognitive disorder in PD (DSM-5) at the cut-off scores of 23.5 and 83.5 points, respectively. The diagnostic accuracy of these tests was 0.859 (95% CI: 0.818-0.894, MoCA) and 0.820 (95% CI: 0.774-0.859, ACE). In the detection of major NCD (DSM-5), MoCA and MDRS tests exhibited the best diagnostic accuracy at the cut-off scores of 20.5 and 132.5 points, respectively. The diagnostic accuracy of these tests was 0.863 (95% CI: 0.823-0.897, MoCA) and 0.830 (95% CI: 0.785-0.869, MDRS). CONCLUSION: Our study demonstrated that the MoCA may be the most suitable test for detecting mild and major NCD in PD.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 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 | 0,000 |
| 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 source (Gemma direct ou Codex distillé), 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 ».