Evaluating cognitive screening instruments with the “likelihood to be diagnosed or misdiagnosed” measure
Notice bibliographique
Résumé
OBJECTIVES: To calculate "number needed to diagnose" (NND), "number needed to predict" (NNP), and "number needed to misdiagnose" (NNM) for cognitive screening instruments which are commonly used in suspected dementia and mild cognitive impairment, and from these to calculate a "likelihood to be diagnosed or misdiagnosed" (LDM) metric as the ratio of NNM to either NND or NNP. METHODS: Datasets from pragmatic diagnostic test accuracy studies examining four commonly used cognitive screening instruments (Mini-Mental State Examination, MMSE; Montreal Cognitive Assessment, MoCA; Mini-Addenbrooke's Cognitive Examination, MACE; Six-item Cognitive Impairment Test, 6CIT) were analysed to calculate NND, NNP, and NNM, and from these derive values for LDM. FINDINGS: Although all the tests had low NND and NNP as desired, NNM was also low. Hence, only MMSE and 6CIT achieved LDM > 1 for dementia diagnosis, and only MACE and 6CIT had LDM > 1 for diagnosis of mild cognitive impairment. CONCLUSIONS: The likelihood to be diagnosed or misdiagnosed (LDM) metric may indicate the utility or inutility of diagnostic tests for clinicians and patients. LDM values may clarify the inevitable trade-off between sensitivity and specificity and hence clinician purpose in administering the diagnostic test (minimising false negatives or false positives).
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 | 0,111 | 0,417 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 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 ».