P1‐227: Comparative and combined accuracies of objective versus subjective screening instruments in distinguishing Alzheimer's disease, mild cognitive impairment, and age‐related cognitive decline
Notice bibliographique
Résumé
The aim of the study was to compare the utility and diagnostic accuracy of several widely used objective and subjective measures utilized in the diagnosis of Alzheimer's disease (AD), Mild Cognitive Impairment (MCI) and Age Related Cognitive Decline (ARCD) in a clinical cohort as well as evaluate the potential improvement in diagnostic and classification accuracy when cognitive screening instruments are used in combination with subjective measures of functional impairment. One hundred and five AD, 66 MCI and 43 ARCD were evaluated using a standard clinical evaluation that included the Mini Mental Status Exam (MMSE), Montreal Cognitive Assessment (MOCA) and Alzheimer's Disease Assessment Scale - Cognitive Subscale (ADAS-Cog). Informant based measures of functional impairment including the Alzheimer's disease Caregivers Questionnaire (ADCQ) and Activity of Daily Living Scale (ADL's) were also completed by caregivers. Diagnostic accuracy and optimal cut-off scores were calculated for each individual measure and subjective assessments were combined with cognitive screening measures to evaluate the potential improvement in overall diagnostic accuracy. The MMSE, MOCA and ADAS-Cog all offer good diagnostic and classification accuracy for differentiating between AD vs. ARCD and AD vs. MCI. The MOCA and ADAS-cog were superior to the MMSE at differentiating between patients diagnosed with MCI vs. ARCD. Measures of functional impairment also provided good diagnostic and classification accuracy for differentiating between AD and other diagnosis, but were less accurate at differentiating between MCI vs. ARCD. Combing a subjective measure of functional impairment with the MOCA significantly improved diagnostic accuracy between patients with AD vs. MCI. The findings support data, which indicates that the MOCA is superior to the MMSE as screening tool, particularly in discerning the earliest symptoms of cognitive decline. Similarly, the ADAS-cog also demonstrated good diagnostic and classification accuracy in differentiating between diagnoses. Results also indicated that the addition of a subjective measure of functional impairment can improve overall diagnostic accuracy. ROC curves for each pairwise comparison of AD, MCI and AAMI and each of the diagnostic tests considered. AUC scores and cut-off thresholds for each test are shown Table 2.
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 | 0,010 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».