Predicting decline in mild cognitive impairment: A prospective cognitive study.
Notice bibliographique
Résumé
OBJECTIVE: The primary aim of this study was to identify cognitive tests that differentiate between persons with mild cognitive impairment (MCI) who later develop cognitive decline and those who remain stable. METHOD: This study used a prospective longitudinal design. One hundred twenty-two older adults with single-domain or multiple-domain amnestic MCI were recruited from memory clinics. They completed tests to measure baseline episodic memory, working memory, executive functions, perception, and language. They were then followed annually to determine with criteria independent from those tests whether they had remained stable or had developed dementia or significant cognitive decline. This was used as the reference standard to measure diagnostic test accuracy value. RESULTS: ANOVAs indicated that participants with progressive MCI showed more impaired performance than those with stable MCI at baseline on episodic memory (word and story recall), the Brown-Peterson working memory test, object naming, object decision, and position of gap test. Logistic regression derived a significant model with 87.8% overall predictive value. The model included delayed text memory, free recall, naming, orientation match, object decision, and alpha span. Its sensitivity was 86.2% and its specificity was 88.9%. Positive predictive value was 83.3%, and negative predictive value was particularly high at 90.9%. CONCLUSIONS: Identifying individuals with MCI who will progress to dementia or more severe cognitive impairment is a challenge. This study shows that cognitive measures provide valuable information regarding the predictive diagnosis of persons with MCI. Predictive accuracy of a cognitive battery might be optimized by selecting both memory and nonmemory measures.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».