Computer Assessment of Mild Cognitive Impairment
Notice bibliographique
Résumé
Many older individuals experience cognitive decline with aging. The causes of cognitive dysfunction range from the devastating effects of Alzheimer's disease (AD) to treatable causes of dysfunction and the normal mild forgetfulness described by many older individuals. Even mild cognitive dysfunction can impact medication adherence, impair decision making, and affect the ability to drive or work. However, primary care physicians do not routinely screen for cognitive difficulties and many older patients do not report cognitive problems. Identifying cognitive impairment at an office visit would permit earlier referral for diagnostic work-up and treatment. The Computer Assessment of Mild Cognitive Impairment (CAMCI) is a self-administered, user-friendly computer test that scores automatically and can be completed independently in a quiet space, such as a doctor's examination room. The goal of this study was to compare the sensitivity and specificity of the CAMCI and the Mini Mental State Examination (MMSE) to identify mild cognitive impairment (MCI) in 524 nondemented individuals > 60 years old who completed a comprehensive neuropsychological and clinical assessment together with the CAMCI and MMSE. We hypothesized that the CAMCI would exhibit good sensitivity and specificity and would be superior compared with the MMSE in these measures. The results indicated that the MMSE was relatively insensitive to MCI. In contrast, the CAMCI was highly sensitive (86%) and specific (94%) for the identification of MCI in a population of community-dwelling nondemented elderly individuals.
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) | 0,000 | 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 | 0,000 | 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 | 0,001 |
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 ».