Detection of Cognitive Impairment and Dementia Using the Animal Fluency Test: The DECIDE Study
Notice bibliographique
Résumé
OBJECTIVES: To evaluate the performance of a one-minute screening test measured against a validated 10-minute screening test for mild cognitive impairment (MCI) in detecting CI in patients aged > or = 65 years with two or more vascular risk factors (VRF). METHODS: Patients (n=1523) aged 65 years or older without documented CI symptoms or dementia with two or more VRF participated in this study set in Canadian primary care practice. Baseline data was collected, followed by the 1-minute animal fluency (AF) test and the 10-minute Montreal Cognitive Assessment (MoCA). Physicians (n=122) completed case reports during patient interviews and reported their diagnostic impression. AF test sensitivity, specificity, and accuracy in predicting a positive MoCA was assessed. RESULTS: Study sample mean age was 79.7 years, 55% were female, 97.6% were Caucasian and 75% had < or = 12 years of education. The AF test and MoCA detected CI in 52 and 56 percent of the study population, respectively. The AF test demonstrated sensitivity, specificity, and accuracy in predicting a positive MoCA of 67 percent each. Physicians diagnostic impression of MCI was reported for 37% of patients, and of dementia for 6%. CONCLUSION: In an elderly population with at least two VRF, using AF can be useful in detecting previously unknown symptoms of CI or dementia. Screening for CI in this high risk population is warranted to assist physician recognition of early CI. The short AF administration time favours its incorporation into clinical practice.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».