Exploration of verbal repetition in people with dementia using an online symptom-tracking tool
Notice bibliographique
Résumé
BACKGROUND: Online tools can be used by people with dementia and their caregivers to self-identify and track troubling symptoms, such as verbal repetition. We aimed to explore verbal repetition behaviors in people with dementia. METHODS: Participants were recruited via an online resource for people with dementia and their caregivers. Respondents were instructed to complete information about symptoms that are most important to them for tracking over time. In this cross-sectional study, we analyzed data pertaining to individuals with dementia who had at least three symptoms selected for tracking. RESULTS: Of the 3,573 participants who began a user profile, 1,707 fulfilled criteria for analysis. Verbal repetition was identified as a treatment target in 807 respondents (47.3%). Verbal repetition was more frequent in individuals with mild dementia compared to those with moderate and severe dementia (57.2% vs. 36.0% and 39.9%, p < 0.01) and in those with Alzheimer's disease versus other dementias (65.2% vs. 29.7%, p < 0.001). Repetitive questioning was the most frequent type of verbal repetition (90.5% of individuals with verbal repetition). Verbal repetition was most strongly associated with difficulties operating gadgets/appliances (OR 3.65, 95%CI: 2.82-4.72), lack of interest and/or initiative (3.52: 2.84-4.36), misplacing or losing objects (3.25: 2.64-4.01), and lack of attention and/or concentration (2.62: 2.12-3.26). CONCLUSIONS: Verbal repetition is a common symptom in people at all stages of dementia but is most commonly targeted for monitoring and treatment effects in its mild stage. Much research is required to further elucidate the underlying mechanisms and the effect of different treatment strategies.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».