Assessing mild behavioral impairment with the mild behavioral impairment checklist in people with subjective cognitive decline
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
ABSTRACTObjectives:To estimate the prevalence of Mild Behavioral Impairment (MBI) in people with Subjective Cognitive Decline (SCD), and validate the Mild Behavioral Impairment Checklist (MBI-C) with respect to score distribution, sensitivity, specificity, and utility for MBI diagnosis, as well as correlation with other neuropsychological tests. DESIGN: Correlational study with a convenience sampling. Descriptive, logistic regression, ROC curve, and bivariate correlations analyses were performed. SETTING: Primary care health centers. PARTICIPANTS: 127 patients with SCD. MEASUREMENTS: An extensive evaluation, including Questionnaire for Subjective Memory Complaints, Mini-Mental State Examination, Cambridge Cognitive Assessment-Revised, Neuropsychiatric Inventory-Questionnaire (NPI-Q), the Geriatric Depression Scale-15 items (GDS-15), the Lawton and Brody Index and the MBI-C, which was administered by phone to participants' informants. RESULTS: MBI prevalence was 5.8% in those with SCD. The total MBI-C scoring was low and differentiated people with MBI at a cut-off point of 8.5 (optimizing sensitivity and specificity). MBI-C total scoring correlated positively with NPI-Q, Questionnaire for Subjective Cognitive Complaints (QSCC) from the informant and GDS-15. CONCLUSIONS: The phone administration of the MBI-C is useful for detecting MBI in people with SCD. The prevalence of MBI in SCD was low. The MBI-C detected subtle Neuropsychiatric symptoms (NPS) that were correlated with scores on the NPI-Q, depressive symptomatology (GDS-15), and memory performance perceived by their relatives (QSCC). Next steps are to determine the predictive utility of MBI in SCD, and its relation to incident cognitive decline over time.
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.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 découle