Neuropsychological tests accurately predict incident Alzheimer disease after 5 and 10 years
Notice bibliographique
Résumé
OBJECTIVE: To determine whether neuropsychological tests accurately predict incident Alzheimer disease (AD) after 5 and 10 years in participants of the Canadian Study of Health and Aging (CSHA) who were initially nondemented. METHODS: The CSHA was conducted in three waves: CSHA-1 (1991 to 1992), CSHA-2 (1996 to 1997), and CSHA-3 (2001 to 2002). The 10-year prediction study included those who completed neuropsychological testing at CSHA-1 and received a diagnostic assessment at CSHA-3 (n = 263). The 5-year prediction study included those who completed neuropsychological testing at CSHA-2 and received a diagnostic assessment at CSHA-3 (n = 551). The diagnostic workup for dementia at CSHA-3 was formulated without knowledge of neuropsychological test performance at CSHA-1 or CSHA-2. The authors excluded cases with a baseline diagnosis of dementia or a prior history of any condition likely to affect the brain. Age and education were included in all analyses as covariates. RESULTS: In the 10-year follow-up study, only one test (short delayed verbal recall) emerged from the forward regression analyses. The model with this test and two covariates was significant, chi2 (3) = 31.61, p < 0.0001 (sensitivity = 73%, specificity = 70%). In the 5-year follow-up study, three tests (short delayed verbal recall, animal fluency, and information) emerged from the forward logistic regression analyses. The model was significant, chi2 (5) = 91.34, p < 0.0001 (sensitivity = 74%, specificity = 83%). Both models were supported with bootstrapping estimates. CONCLUSIONS: In a large epidemiologic sample of nondemented participants, neuropsychological tests accurately predicted conversion to Alzheimer disease after 5 and 10 years.
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 | 0,000 | 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) | 0,002 | 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 ».