The Role of Brain Magnetic Resonance Imaging (MRI) as an Early Detector of Cognitive Impairment
Notice bibliographique
Résumé
BACKGROUND: Along with the increase of the health and prosperity level will affect the life expectancy in Indonesia, there has also been an increase in degenerative disease cases. One of the problems arises is cognitive impairment. The mild version of this impairment is often associated with the increase risk that will eventually lead to dementia. Therefore, early detection of this impairment is necessary. OBJECTIVE: This study is aimed at proving the correlation between Fazekas scale on brain MRI and MoCA-Ina score in defining the degree of cognitive impairment. METHODS: This study employed observational analytic design and cross sectional study for its data collection method. The Fazekas scale on brain MRI of 32 patients was read by 3 radiologist, while the MoCA-Ina scoring was done by a competent neurologist. Both tests were done double blindly. Later on, the correlation between Fazekas scale and MoCA-Ina score would be assessed using Spearman Correlation. RESULTS: ) 0.002, which is smaller than α: 0.05. Therefore, it can be concluded that there is a strong negative correlation between Fazekas scale and MoCA-Ina score. CONCLUSION: Fazekas scale evaluation on brain MRI is necessary to be performed as it helps predicting the decline of one's cognitive function, so that an early therapy can be acted upon to prevent dementia in the future.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».