The Gesture Imitation in Alzheimer’s Disease Dementia and Amnestic Mild Cognitive Impairment
Notice bibliographique
Résumé
BACKGROUND: Alzheimer's disease dementia (ADD) has become an important health problem in the world. Visuospatial deficits are considered to be an early symptom besides memory disorder. OBJECTIVES: The gesture imitation test was devised to detect ADD and amnestic mild cognitive impairment (aMCI). METHODS: A total of 117 patients with ADD, 118 with aMCI, and 95 normal controls were included in this study. All participants were administered our gesture imitation test, the Mini-Mental State Examination (MMSE), the Montreal Cognitive Assessment (MoCA), the Clock Drawing Test (CDT), and the Clinical Dementia Rating Scale (CDR). RESULTS: Patients with ADD performed worse than normal controls on global scores and had a lower success rate on every item (p < 0.001). The area under the curve (AUC) for the global scores when comparing the ADD and control groups was 0.869 (p < 0.001). Item 4 was a better discriminator with a sensitivity of 84.62% and a specificity of 67.37%. The AUC for the global scores decreased to 0.621 when applied to the aMCI and control groups (p = 0.002). After controlling for age and education, the gesture imitation test scores were positively correlated with the MMSE (r = 0.637, p < 0.001), the MoCA (r = 0.572, p < 0.001), and the CDT (r = 0.514, p < 0.001) and were negatively correlated with the CDR scores (r = -0.558, p < 0.001). CONCLUSIONS: The gesture imitation test is an easy, rapid tool for detecting ADD, and is suitable for the patients suspected of mild ADD and aMCI in outpatient clinics.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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 ».