Early detection of dementia in multilingual populations: Visual Cognitive Assessment Test (VCAT)
Notice bibliographique
Résumé
BACKGROUND: Early diagnosis of cognitive impairment allows timely intervention with pharmacological and non-pharmacological measures. However, current cognitive evaluation tools do not cater for multilingual populations. OBJECTIVE: To develop and validate a visual-based cognitive evaluation tool, the Visual Cognitive Assessment Test (VCAT), which can be administered to multilingual populations without the need for translation or adaptation. METHOD: We designed a battery of tests to evaluate the domains of memory, executive function, visuospatial function, language and attention. Pilot testing of individual test items, followed by test refinement and development of a field version was performed. We subsequently validated VCAT for the diagnosis of mild cognitive impairment (MCI) and mild Alzheimer's disease (AD). Diagnostic performance was assessed by the area under the curve (AUC), sensitivity (Se) and specificity (Sp). RESULTS: VCAT was validated in a sample of 206 participants. The sample comprised 53.9% males; mean age (SD) was 67.8 (8.86) years; mean years of education was 10.5(6.0). AUC of VCAT for detection of cognitive impairment was found to be 93.3 (95% CI 90.1 to 96.4). Also, the Se and Sp of VCAT for the diagnosis of cognitive impairment (MCI and mild AD) were 85.6% and 81.1%, respectively. VCAT's diagnostic Se and Sp comparable to those of the Montreal Cognitive Assessment in the same cohort. Mean time-to-complete VCAT was 15.7 ± 7.3 min. CONCLUSIONS: The VCAT has good Se and Sp for the diagnosis of MCI and mild AD. The visual-based test paradigm allows easy application to multilingual populations without the need for translation or adaptation.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 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 ».