Comparison of the quick mild cognitive impairment (Qmci) screen and the SMMSE in screening for mild cognitive impairment
Notice bibliographique
Résumé
INTRODUCTION: differentiating mild cognitive impairment (MCI) from normal cognition (NC) is difficult. The AB Cognitive Screen (ABCS) 135, sensitive in differentiating MCI from dementia, was modified to improve sensitivity and specificity, producing the quick mild cognitive impairment (Qmci) screen. OBJECTIVE: this study compared the sensitivity and specificity of the Qmci with the Standardised MMSE and ABCS 135, to differentiate NC, MCI and dementia. METHODS: weightings and subtests of the ABCS 135 were changed and a new section 'logical memory' added, creating the Qmci. From four memory clinics in Ontario, Canada, 335 subjects (154 with MCI, 181 with dementia) were recruited and underwent comprehensive assessment. Caregivers, attending with the subjects, without cognitive symptoms, were recruited as controls (n = 630). RESULTS: the Qmci was more sensitive than the SMMSE and ABCS 135, in differentiating MCI from NC, with an area under the curve (AUC) of 0.86 compared with 0.67 and 0.83, respectively, and in differentiating MCI from mild dementia, AUC of 0.92 versus 0.91 and 0.91. The ability of the Qmci to identify MCI was better for those over 75 years. CONCLUSION: the Qmci is more sensitive than the SMMSE in differentiating MCI and NC, making it a useful test, for MCI in clinical practice, especially for older adults.
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 | 0,009 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».