A better screening tool for HIV-associated neurocognitive disorders
Notice bibliographique
Résumé
OBJECTIVE: Existing screening tools for HIV-Associated Neurocognitive Disorders (HAND) may lack the accuracy required for clinical use. We hypothesized that the diagnostic accuracy of the Montreal Cognitive Assessment (MoCA) as a screening tool for HAND might be improved with a stronger scoring methodology. DESIGN: Two hundred HIV-positive participants aged 18-65 years completed the MoCA and a battery of neuropsychological tests. METHODS: HAND diagnosis was established according to the Frascati criteria, and an NPZ-8 score was also calculated. Rasch analysis was applied to the MoCA items to create a quantitative score. RESULTS: The optimal cut-off on the quantitative MoCA for detecting impairment as per Frascati criteria yielded a sensitivity of 0.74 and a specificity of 0.68. Overall accuracy was 0.79 (95% CI: 0.73-0.85), an improvement over standard scoring methods. However, whether cognition was quantified with the quantitative MoCA or with NPZ-8, there was substantial overlap between diagnostic categories; several individuals categorized as impaired had better overall cognitive function as assessed by NPZ-8 or quantitative MoCA than those classified as normal using standard criteria. CONCLUSION: Quantifying performance on MoCA items through Rasch analysis improves its accuracy as a screening tool for HAND, and demonstrates that cognition can be measured as a unidimensional construct in HIV, at least at the level of precision of bedside testing. However, the current categorical diagnostic approach to HAND is poorly aligned with summary measures of cognitive ability. Measuring cognition as a quasi-continuous construct may be more relevant than conventional HAND diagnostic categories for many clinical purposes.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,001 | 0,004 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».