Psychometric Properties of Alzheimer’s Disease Assessment Scale-Cognitive Subscale for Mild Cognitive Impairment and Mild Alzheimer’s Disease Patients in an Asian Context
Notice bibliographique
Résumé
INTRODUCTION: The purpose of the current study is to assess the psychometric properties of Alzheimer's Disease Assessment Scale-Cognitive subscale (ADAS-Cog) on patients with mild cognitive impairment (MCI) and mild Alzheimer's disease (AD) in a multicultural Asian context. MATERIALS AND METHODS: Sixty-four mild AD patients (mean age ± SD; 72.24 ± 7.88 years), 80 MCI patients (66.44 ± 7.45 years) and 125 healthy controls (HCs) (61.81 ± 6.96 years) participated in the study. Participants underwent a clinical interview and serial neuropsychological testing. ADAS-Cog total and subtest scores were compared across the 3 groups. Receiver operating characteristics (ROC) analysis were performed and sensitivity, specificity, positive predictive values (PPVs) and negative predictive values (NPVs) were calculated. RESULTS: Patients with MCI attained significantly worse neuropsychological test scores than healthy controls but significantly better results than patients with mild AD on ADAS-Cog total score, subtest items, and the delayed recall item (P <0.001). The best cutoff score to differentiate between MCI and HC was ≥4 (sensitivity = 0.73, specificity = 0.69, PPV = 0.90, NPV = 0.40), while the best cutoff score to distinguish between MCI and mild AD was ≥12 (sensitivity = 0.86, specificity = 0.89, PPV = 0.99, NPV = 0.32). Evidence of internal consistency of the ADAS-Cog (Cronbach α = 0.85) as well as convergent validity with the Mini-Mental State Examination (MMSE) (ρ = -0.75) and Montreal Cognitive Assessment (MoCA) (ρ = -0.81) (both P <0.001) was also found. CONCLUSION: The ADAS-Cog which is widely used in clinical trials is applicable to the Asian cohort. It is useful in the detection of MCI and mild AD as well as in distinguishing these 2 conditions.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».