Validation study of the Alzheimer’s disease assessment scale–cognitive subscale (ADAS-Cog) for the Portuguese patients with mild cognitive impairment and Alzheimer’s disease
Notice bibliographique
Résumé
OBJECTIVE: The Alzheimer's disease assessment scale-Cognitive Subscale (ADAS-Cog) is a battery to assess cognitive performance in Alzheimer's disease (AD) and was developed according to the core characteristics of cognitive decline in AD: memory, language, praxis, constructive ability, and orientation. The aim of this study was to explore the diagnostic accuracy and discriminative capacity of the ADAS-Cog for Mild Cognitive Impairment (MCI) and AD, using cut-off points for the Portuguese population. METHOD: The European Portuguese version of the ADAS-Cog was administrated to 650 participants, divided into a control group (n = 210), an MCI group (n = 240), and an AD group (n = 200). The clinical groups fulfilled standard international diagnostic criteria. Controls were healthy cognitive participants actively integrated in the community. The neuropsychological assessment protocol included the ADAS-Cog, the Mini Mental State Examination (MMSE), the Montreal Cognitive Assessment (MoCA), and the Adults and Older Adults Functional Assessment Inventory (IAFAI). RESULTS: The ADAS-Cog revealed good psychometric indicators, and the total scores were significantly different between the three groups (p < .001: Control < MCI < AD). The optimal cut-off points established were: MCI > 9 points (AUC = .835; sensitivity = 58% and specificity = 91%) and AD > 12 points (AUC = .996; sensitivity = 94% and specificity = 98%). CONCLUSIONS: Our findings confirmed the capacity of the ADAS-Cog total score to identify cognitive impairment in AD patients, with poor sensitivity for MCI, in a Portuguese cohort.
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 | 0,002 | 0,001 |
| 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 | 0,001 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».