P3‐407: Good days and bad days in Alzheimer's disease: A pilot study
Notice bibliographique
Résumé
Patients with dementia and their caregivers commonly describe significant fluctuation in symptom expression (good or bad days). Such changes are well described for some dementias (e.g., Lewy Body dementia), but less so for Alzheimer's disease (AD). We undertook a pilot study to determine how to best elicit descriptions of this phenomenon in patients with AD. Results will be used to inform a more in-depth inquiry. Mixed-methods pilot study of structured and semi-structured questions (based on relevant literature and previous retrospective analyses) designed to elicit descriptions of symptom fluctuation, precipitating factors, and duration of good/bad episodes from caregivers of patients with mild-moderate AD attending the Halifax Infirmary Memory Clinic (Canada). Interviews were conducted in-clinic at baseline and by telephone at 2-weeks and 2-months. Data were analyzed using descriptive statistics (survey responses) and framework analysis (transcribed interviews). Participants were 25 caregivers (mean 61 yrs ±12.6; 68% female; 80% spouse) of patients with mild-moderate AD (mean 75 yrs ±11.3; 56% female; 72% mild; FAST = 4.4 ±0.6; IADL = 19 ±6.1; PSMS = 8.6±3.5). Survey data indicated that on better days patients ‘remember more’ (87% at BL) and were ‘more content’ (78% at BL). On worse days patients were ‘less sharp’ (77% at BL) and ‘less able to concentrate’ (68% at BL). During interviews, participants described changes in mood, communication and ability to complete daily tasks as common indicators of good/bad days. Survey and interview data agreed that periods of fluctuation characterized as good commonly last longer than those characterized as bad. Interview responses highlighted the importance of environmental factors and found that symptom patterns did not maintain over time. Many caregivers reported they could predict whether a day would be good or bad, usually by noon, but often described routine daily fluctuations during interviews. Results suggest a less structured, more in-depth approach to questioning may elicit more robust descriptions of good days/bad days. Caregivers had difficulty identifying the marked changes we aimed to characterize, potentially due to limited symptom fluctuation in mild AD. Selecting caregivers of moderate AD patients and inquiring about what is considered “normal” before examining good/bad days may improve our ability to describe this phenomenon.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».