Notice bibliographique
Résumé
BACKGROUND: Dementia diagnosis and the various subtypes are challenging in the absence of biomarkers. AIM: To examine available tests and neuroimaging procedures that may help distinguish these disorders. METHODS: Alzheimer's disease (AD), cognitive vascular disorder (CVD), and Frontotemporal lobe disorders (FTLD) were tested with a hierarchical neuropsychological battery that included the Frontal Systems Behavior Scale, Mini-Mental State Examination, Montreal Cognitive Assessment Test, and subtests. All patients had multimodality magnetic resonance imaging and (18)F fluorodeoxyglucose-positron emission tomography (FDG-PET) brain scans. RESULTS: Of the 161 patients evaluated for dysmemory and cognitive impairment, 31 satisfied the full protocol. The mean T scores for the 3 principal frontal system syndromes for the AD group were all abnormal save disinhibition. For the CVD and FTLD groups, all the 4 subcategory scores were abnormal. Disinhibition differed significantly between the AD and FTD group (analysis of variance [ANOVA], P = .02) and there was a strong association between the memory for 5 words test and a significant difference in the word list generation test score among the 3 groups (ANOVA, P = .0233). There was a strong association between the FDG-PET and the disease subtype (P < .0001). CONCLUSION: Evaluation for disinhibition, word list generation, 5-word memory testing and PET brain imaging may help distinguish the 3 most common dementia subtypes.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 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) | 0,007 | 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 ».