Combining Direct and Proxy Assessments to Reduce Attrition Bias in a Longitudinal Study
Notice bibliographique
Résumé
Retaining severely impaired individuals poses a major challenge in longitudinal studies of determinants of dementia or memory decline. In the Health and Retirement Study (HRS), participants complete direct memory assessments biennially until they are too impaired to complete the interview. Thereafter, proxy informants, typically spouses, assess the subject's memory and cognitive function using standardized instruments. Because there is no common scale for direct memory assessments and proxy assessments, proxy reports are often excluded from longitudinal analyses. The Aging, Demographics, and Memory Study (ADAMS) implemented full neuropsychological examinations on a subsample (n=856) of HRS participants, including respondents with direct or proxy cognitive assessments in the prior HRS core interview. Using data from the ADAMS, we developed an approach to estimating a dementia probability and a composite memory score on the basis of either proxy or direct assessments in HRS core interviews. The prediction model achieved a c-statistic of 94.3% for DSM diagnosed dementia in the ADAMS sample. We applied these scoring rules to HRS core sample respondents born 1923 or earlier (n=5483) for biennial assessments from 1995 to 2008. Compared with estimates excluding proxy respondents in the full cohort, incorporating information from proxy respondents increased estimated prevalence of dementia by 12 percentage points in 2008 (average age=89) and suggested accelerated rates of memory decline over time.
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 | 0,356 | 0,434 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,005 | 0,009 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,004 | 0,006 |
| Intégrité de la recherche | 0,003 | 0,003 |
| 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».