SPATIAL, TEMPORAL, AND VARIABILITY NORMS FROM THE GAITRITE SYSTEM PREDICT MILD COGNITIVE IMPAIRMENT
Notice bibliographique
Résumé
Mounting evidence indicates associations among temporal, spatial, and variability metrics of gait and clinical outcomes including fall risk, mild cognitive impairment (MCI), and movement disorders. Data from the Victoria Longitudinal Study (VLS) for select cohorts and retest waves were employed as a cross-sectional reference sample of older adults with intact cognitive performance and no history of falls. Participants (n=213) were 70 to 85 years of age (M=77.00, SD=4.22), with 152 women and 61 men. Regression-norming techniques were employed in the PREVENT Study, a multifactorial investigation of dementia, to identify participants with MCI. PREVENT participants (Controls=23, MCI=11) were 72 to 83 years of age (M=77.45, SD=4.23) with 20 women and 14 men. Select gait metrics were gathered from both samples using a 16-foot GAITRite computerized walkway. Participants walked across the mat at a self-determined normal pace a total of 8 times comprising 2 conditions: a walk-only condition (4 passes at a normal pace) and walking under cognitive load (4 passes counting backwards). The combination of velocity (under both conditions), single support time (walk-only) and Stride Time SD (walk-only) yielded a 90.6% MCI-classification accuracy (81.8% sensitivity; 95.2% specificity). Each SD increase in velocity under cognitive load was associated with a 25-fold decreased risk of MCI classification, while each SD increase in single support time was associated with a 17.75-fold increased risk. Findings provide strong preliminary evidence that regression-derived norms of specific GAITRite indicators can facilitate identification of MCI risk within an independent sample.
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 | 0,001 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| 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 ».