Predicting Progression to Dementia in Elderly Subjects with Mild Cognitive Impairment Using Both Cognitive and Neuroimaging Predictors
Notice bibliographique
Résumé
The objective of this work was to assess the predictive accuracy of targeted neuroimaging and neuropsychological measures for the detection of incipient dementia in individuals with mild cognitive impairment (MCI), and to examine the potential benefit of combining both classes of measures. Baseline MRI measures included hippocampal volume, cortical thickness, and white matter hyperintensities. Neuropsychological assessment focused on different aspects of episodic memory (i.e., familiarity, free recall, and associative memory) and executive control functions (i.e., working memory, switching, and planning). Global and regional cortical thinning was observed in MCI patients who progressed to dementia compared to those who remained stable, whereas no differences were found between groups for baseline hippocampal volume and white matter hyperintensities. The strongest neuroimaging predictors were baseline cortical thickness in the right anterior cingulate and middle frontal gyri. For cognitive predictors, we found that deficits in both free recall and recognition episodic memory tasks were highly suggestive of progression to dementia. Cortical thinning in the right anterior cingulate gyrus, combined to controlled and familiarity-based retrieval deficits, achieved a classification accuracy of 87.5%, a specificity of 90.9%, and a sensitivity of 83.3%. This predictive model including both classes of measures provided more accurate predictions than those based on neuroimaging or cognitive measures alone. Overall, our findings suggest that detecting preclinical Alzheimer's disease is probably best accomplished by combining complementary information from targeted neuroimaging and cognitive classifiers, and highlight the importance of taking into account both structural and functional changes associated with the disease.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 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 ».