Cognitive Training in a Large Group of Patients Affected by Early-Stage Alzheimer's Disease can have Long-Lasting Effects: A Case-Control Study
Notice bibliographique
Résumé
Introduction: Cognitive training in Alzheimer's disease (AD) has recently started to demonstrate its efficacy. We used our ‘puzzle-like’ task (GEO) as training for a large group of early-stage AD patients, to detect its effects over time. Method: AD patients (N = 40) and healthy controls (N = 40) were involved. Participants were administered the Geographical Exercises for cognitive Optimization (GEO) task. Participants underwent individual sessions with GEO three times a week for 2 months, and then their performance was recorded again. Lastly, at the 12-month follow-up the GEO task was administered for the last time. Results: Patients’ scores were significantly worse than controls’ scores only on a few neuropsychological tests. We ran a repeated measures GLM by considering groups’ performance on the GEO task at the assessment points. Results showed a significant main effect of group, and a significant effect of the interaction between group and time: patients’ performances both at the end of the training and at the follow-up were virtually identical to controls’ performances. Conclusions: Patients effectively acquired new procedural abilities, and their achievements were stable at follow-up. This study suggests the GEO is a useful strategy for cognitive training in AD, and should prompt further investigations about the degree of generalisability of patients’ acquired skills.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».