IC‐P‐074: Development of an eeg‐based neurometric battery for the assessment of cognitive decline in patients at risk for Alzheimer's disease
Notice bibliographique
Résumé
Electroencephalogram (EEG) recordings and event-related potentials (ERPs) are beneficial for identification of early indicators of Alzheimer's disease (AD). Attempting to identify the early changes of brain activity related to AD, our study used multiple EEG and ERP measures to detect subtle changes in sensory and perceptual function. Participants’ responses to computerized stimuli were recorded to create neurometric profiles used to discriminate individuals with mild cognitive impairment (MCI) and mild Alzheimer's dementia. After a comprehensive clinical assessment, 30 participants 52-90 years old with MCI or probable mild Alzheimer's dementia were selected from our memory clinic. Participants were presented with a 20 minute computerized auditory and visual stimuli designed to elicit a variety of ERPs, while performing a task for specific events, during which their electrophysiological response was measured. The study was performed in an outpatient setting, and data was analyzed using a multivariate analysis of variance (MANOVA) to determine if the neurometric profiles were discriminatory, and cluster analysis to identify sub-groups. Preliminary data analysis used MoCA scores (median MoCA=18.5) to categorize two groups: a low-scoring, mean MoCA score of 16.00 (SD=2.24), and a high-scoring group, mean MoCA score of 21.14 (SD=1.46). Component measurements were entered into a discriminant analysis and ERP responses marginally predicted participant group, Wilk's λ=.160, χ(8)=14.652, p=.066, Canonical Correlation=.916. Groups differentiated primarily by the N2pc, C1, and vMMN responses, which loaded most strongly onto the discriminant function. When using the derived function, 100% of cases were correctly reclassified into original MoCA groups. Using cross-validated classification, 78.6% of participants were correctly classified (85.7% low-scoring group, 71.4% high-scoring group). A 2 (MoCA: High, Low) x 8 (ERP: P50, Frequency MMN, Duration MMN, P3, N2pc, C1, vMMN, ERN) MANOVA with age included as a covariate, was statistically significant for differences in the profiles of low and high-scoring groups, Wilk's λ=.034, F(8,4)=14.296, p<.011, Partial η=.966. Preliminary results support a 20 minute battery of EEG and ERP tests can be used to discriminate MCI and probable mild Alzheimer's dementia. The EEG battery proved to be a complimentary diagnostic marker that was easy to use in a clinical 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 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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».