MétaCan
Menu
Retour à la cohorte
Enregistrement W2489486885 · doi:10.1212/wnl.86.16_supplement.p5.197

The TabCAT Brain Health Assessment: A Highly Efficient and Sensitive Approach to Detecting Very Mild Cognitive Impairment (P5.197)

2016· article· en· W2489486885 sur OpenAlexaboutno aff
Tacie Moskowitz, Natasha Rabinowitz, Erica M. Johnson, Edward D. Huey, Daniel Kaufer, Gary W. Small, Robert A. Stern, Bruce L. Miller, Katherine P. Rankin, Katherine L. Possin

Notice bibliographique

RevueNeurology · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueDementia and Cognitive Impairment Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCognitive impairmentCognitionPsychologyMedicineNeuroscienceAudiology

Résumé

récupéré en direct d'OpenAlex

Objective: To develop a tablet-based cognitive assessment tool (TabCAT) that efficiently and accurately detects mild cognitive impairment (MCI) for use in primary care and to compare its sensitivity to the Montreal Cognitive Assessment (MoCA). Background: Widely used paper and pencil screens have limited sensitivity to mild cognitive impairment. Further, standard administration requires training, scoring is not reliable or automated, and rich visual stimuli and accurate reaction time measurement are not possible. Methods: To maximize sensitivity and specificity to MCI, we determined the cognitive tests that would most efficiently separate 8,646 patients with MCI and 8,678 controls from the National Alzheimer’s Disease Coordinating Centers. We included tests of memory, language, executive function, and processing speed as predictors of diagnosis in a discriminant function analysis. Delayed memory (Logical Memory) and processing speed (Digit Symbol) best discriminated MCI patients from controls. All other tests accounted for < 1[percnt] of the variance. These results guided the design of the TabCAT memory recall and digit symbol tests that require 5 minutes of testing time. TabCAT tests were administered to 14 patients with MCI and 27 demographically matched controls. We included the MoCA and the TabCAT tests as predictors of diagnosis in separate discriminant function analyses. Patients in all analyses were mild with Clinical Dementia Rating scores = .5. Results: TabCAT tests correctly classified 79[percnt] of MCI patients and 89[percnt] of controls. In contrast, the MoCA classified only 36[percnt] of the MCI patients and 85[percnt] of the controls. Conclusions: Preliminary data indicates that the TabCAT Brain Health Assessment efficiently identifies very mild cognitive impairment with greater sensitivity and similar specificity to the MoCA and can be easily administered in primary care. Larger validation studies are planned. Study Supported By: Alzheimer’s Disease Research Center P50AG023501, The Larry L. Hillblom Foundation, Quest Diagnostics Inc., NIA K23AG037566

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,323
Écart entre enseignants0,305 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNeurologyMême sujetDementia and Cognitive Impairment ResearchTravaux en français237 207