P1‐281: NONLINEAR N‐SCORE ESTIMATION FOR ESTABLISHING COGNITIVE NORMS FROM THE NATIONAL ALZHEIMER'S COORDINATING CENTER (NACC) DATASET
Notice bibliographique
Résumé
An important step in determining patients with possible dementia based on cognitive scores, is to estimate the distribution of scores in cognitively normal subjects; extreme scores relative to this control distribution may indicate dementia. To date, approaches have focused on determining the distribution of z-scores for a set of normal controls, and then compared the z-scores of new subjects with that distribution. The z-score approach was extended by Shirk et al. [1] to consider linear correction for age, sex, and education. Here this approach is further extended to consider non-linear relationships between predictors and cognitive score, as well as accounting for differing standard deviation of the cognitive scores with age. The same NACC database of normal controls was used as in [1] (data were used from 29 ADCs and considered UDS visits between September 2015 and May 2017). Nonlinear shape-constrained generalized additive models (SCAMs) [2] were fit to the data separately for each cognitive outcome. SCAM fits were generated with nonlinear corrections for age and education (constrained to be monotonic), and an additive term for sex. Another SCAM was then fitted to estimate change in the standard deviation of residuals with respect to age. A lookup table was generated based on these two SCAM fits. For each value of age, education level, and sex, an adjusted z-score (n-score) was generated, using the fitted mean and standard deviation for that age, education level, and sex. The figures display an example SCAM model fit for TRAIL B. There was a clear non-linear relationship between age and TRAIL B (Figure 1). The estimated relationship between education level and TRAIL B was linear (Figure 2). Increasing standard deviation was seen with age (Figure 3). Consistent improvements were seen across different neurocognitive outcomes by allowing for such non-linear adjustment.
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 | 0,007 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,013 |
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 ».