P3–284: Visualizing complex patterns of dementia symptoms: A network approach
Notice bibliographique
Résumé
Dementia trials face the considerable challenge of capturing the many ways in which clinically important changes occur. Network analysis, used in many other fields, offers the potential to allow ready recognition of change, even when individual effects are small. We employed a network visualization approach to display significant associations between 60 symptoms in relation to dementia severity. From two SymptomGuide ™ datasets (one clinic based, one online) data on 2269 individuals were aggregated for analysis. Mini-Mental State Examination (MMSE) scores were used for staging in clinical settings. A previously validated artificial neural network method was used for staging online. The presence or absence of 60 dementia symptoms was captured for each individual. Fisher's exact test was used between each pair of symptoms to test for significant co-occurrences, or significant anti-co-occurrence. P-values <0.01 were considered significant. Results were inputted into open source visualization software (Gephi) to represent symptom relationship patterns. Most (1408; 62%) patients were classified as either moderate or severe; 861 (38%) as showing either Mild Cognitive Impairment (MCI) or mild dementia. The MCI/Mild patients showed 30% greater connectivity than did the moderate/severe patients. Significant differences in symptomatic clustering were apparent by network visualization. Network edge thickness (representing significant co-occurrences showed variable clusters in relation to stage (e.g. verbal repetition more associated with executive dysfunction in mild dementia vs. impaired memory in severe dementia). Network visualization techniques appear to offer a new means of assessing complex relationships between the large numbers of symptoms that collectively characterize dementia. It also offers the potential to evaluate specific symptoms of interest. This might be of particular relevance to understanding symptoms such as impaired executive dysfunction, given significant inter-patient variability prior to dementia. It might also offer a novel means of comparing differences in symptoms between placebo and treatment groups in clinical trials.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,001 |
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 ».