Cognitive Screening in Brain Tumors: Short but Sensitive Enough?
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Cognitive deficits in brain tumors are generally thought to be relatively mild and non-specific, although recent evidence challenges this notion. One possibility is that cognitive screening tools are being used to assess cognitive functions but their sensitivity to detect cognitive impairment may be limited. For improved sensitivity to recognize mild and/or focal cognitive deficits in brain tumors, neuropsychological evaluation tailored to detect specific impairments has been thought crucial. This study investigates the sensitivity of a cognitive screening tool, the Montreal Cognitive Assessment (MoCA), compared to a brief but tailored cognitive assessment (CA) for identifying cognitive deficits in an unselected primary brain tumor sample (i.e., low/high-grade gliomas, meningiomas). Performance is compared on broad measures of impairment: (a) number of patients impaired on the global screening measure or in any cognitive domain; and (b) number of cognitive domains impaired and specific analyses of MoCA-Intact and MoCA-Impaired patients on specific cognitive tests. The MoCA-Impaired group obtained lower naming and word fluency scores than the MoCA-Intact group, but otherwise performed comparably on cognitive tests. Overall, based on our results from patients with brain tumor, the MoCA has extremely poor sensitivity for detecting cognitive impairments and a brief but tailored CA is necessary. These findings will be discussed in relation to broader issues for clinical management and planning, as well as specific considerations for neuropsychological assessment of brain tumor patients.
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.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 découle