Screening Mild and Major Neurocognitive Disorders in Parkinson’s Disease
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 découle