Using Neuropsychological Process Scores to Identify Subtle Cognitive Decline and Predict Progression to Mild Cognitive Impairment
Notice bibliographique
Résumé
BACKGROUND: We previously operationally-defined subtle cognitive decline (SCD) in preclinical Alzheimer's disease (AD) using total scores on neuropsychological (NP) tests. NP process scores (i.e., provide information about how a total NP score was achieved) may be a useful tool for identifying early cognitive inefficiencies prior to objective impairment seen in mild cognitive impairment (MCI) and dementia. OBJECTIVE: We aimed to integrate process scores into the SCD definition to identify stages of SCD and improve early detection of those at risk for decline. METHODS: Cognitively "normal" participants from the Alzheimer's Disease Neuroimaging Initiative were classified as "early" SCD (E-SCD; >1 SD below norm-adjusted mean on 2 process scores or on 1 process score plus 1 NP total score), "late" SCD (L-SCD; existing SCD criteria of >1 SD below norm-adjusted mean on 2 NP total scores in different domains), or "no SCD" (NC). Process scores considered in the SCD criteria were word-list intrusion errors, retroactive interference, and learning slope. Cerebrospinal fluid AD biomarkers were used to examine pathologic burden across groups. RESULTS: E-SCD and L-SCD progressed to MCI 2.5-3.4 times faster than the NC group. Survival curves for E-SCD and L-SCD converged at 7-8 years after baseline. The combined (E-SCD+L-SCD) group had improved sensitivity to detect progression to MCI relative to L-SCD only. AD biomarker positivity increased across NC, SCD, and MCI groups. CONCLUSIONS: Process scores can be integrated into the SCD criteria to allow for increased sensitivity and earlier identification of cognitively normal older adults at risk for decline prior to frank impairment on NP total scores.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».