Task switching performance reveals heterogeneity amongst patients with mild cognitive impairment.
Notice bibliographique
Résumé
OBJECTIVE: To assess executive function in patients with mild cognitive impairment (MCI) and to determine whether task switching ability is associated with transition to Alzheimer's disease. METHODS: Twenty-seven MCI patients and 19 older controls were tested using a cued letter-digit classification switching task. Sixteen patients could perform the task (MCI-able), 6 could not (MCI-unable), and 5 were able only with cognitive support (MCI-cue). Demographic, neuropsychological, event-related potential (ERP), MRI, and genetic data were also collected. RESULTS: The four groups did not differ on age, gender, and APO E4 frequency. Compared to the controls, the MCI-unable group had significantly poorer performance on the Trail Making task (η2 = .430), lower education (η2 = .234), and smaller cortical volume (η2 = .245). Most MCI patients exhibited task-switching deficits but to vastly different degrees and with varying outcomes. The combined pattern of neuropsychological and task switching performance indicates that the MCI-able patients displayed memory retrieval difficulties (F(2,39) = 3.6, p = .036, MSE = 1.44), generally preserved task switching abilities, and had a high probability of remaining dementia-free at follow-up. The MCI-cue patients had increased mixing costs, F(2,39) = 11.0, p < .001, MSE = .07; the MCI-unable patients showed episodic memory deficits, and both groups had a high probability of poor outcome (i.e., developing AD or dying within four years). CONCLUSION: This study demonstrates that variability in performance on measures of task-switching can highlight important heterogeneity in the MCI population.
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 | 0,001 |
| 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 ».