Detecting cognitive dysfunction in a busy multiple sclerosis clinical setting: a computer generated approach
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: This study aims to explore the effectiveness of a brief, computerized battery of tests in detecting cognitive differences between clinically isolated syndromes (CIS), relapsing-remitting multiple sclerosis (RRMS), primary progressive multiple sclerosis (PPMS) and secondary progressive multiple sclerosis (SPMS) patients. METHODS: Four groups of patients between the ages of 18 and 63 were enrolled from two hospital-based multiple sclerosis clinics: CIS (n = 42), RRMS (n = 44), PPMS (n = 15) and SPMS (n = 37). All subjects were administered a validated battery of five computerized cognitive tests: the STROOP Color-Word Test, the Computerized Symbol Digit Modalities Test, the Paced Visual Serial Addition Test (PVSAT) 4 s and 2 s trials, and a speed of cognition index obtained by subtracting simple reaction time from choice reaction time. Results were recorded by the test administrator. RESULTS: Significant between-group differences in cognition were evident on all tests (P < 0.01) with the exception of the PVSAT 2 s trial. CIS patients were the least impaired, SPMS the most. RRMS and PPMS patients generally had a similar cognitive profile, more impaired than the CIS patients but less so than the SPMS patients. These differences persisted after controlling for the effects of age and education. CONCLUSIONS: The ability of this computerized cognitive battery to distinguish the progression of cognitive deficits across the entire multiple sclerosis disease spectrum from CIS through to SPMS enhances its construct validity. This finding, coupled with the battery's brevity (20 min) and ease of administration, highlights its potential utility in a busy clinic setting.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».