Clinicopathological concordance of dementia diagnoses by community versus tertiary care clinicians
Notice bibliographique
Résumé
Subjects enrolled in the Autopsy Program at the University of Southern California Alzheimer's Disease Research Center may receive clinical diagnoses from primary care providers in the community or from specialists in neurology. We reviewed the autopsy concordance rates for 463 subjects for diagnoses made by both groups of clinicians. Seventy-seven percent of the sample met neuropathological criteria for Alzheimer's disease (AD). The overall diagnostic accuracy for this sample was 81 percent. Neurologists assessed 200 of the subjects (43 percent). The diagnostic accuracy for any clinical diagnosis among the non-neurologists was 84 percent, and 78 percent (p = 0.07) among neurologists. For AD, non-neurologists had a diagnostic concordance rate of 91 percent and neurologists 87 percent. Where neuropathological AD was missed, non-neurologists had failed to detect any cognitive impairment; neurologists had diagnosed Parkinson's disease (PD) and amyotrophic lateral sclerosis (ALS). Erroneous clinical diagnoses of AD missed dementia with Lewy bodies (DLB) or AD concurrent with Parkinson's disease (PD). Our findings identify specific foci for improving clinical diagnosis of dementia among all physicians managing dementia.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».