Machine Learning Enhances the Efficiency of Cognitive Screenings for Primary Care
Notice bibliographique
Résumé
BACKGROUND: Incorporation of cognitive screening into the busy primary care will require the development of highly efficient screening tools. We report the convergence validity of a very brief, self-administered, computerized assessment protocol against one of the most extensively used, clinician-administered instruments-the Montreal Cognitive Assessment (MoCA). METHOD: Two hundred six participants (mean age = 67.44, standard deviation [SD] = 11.63) completed the MoCA and the computerized test. Three machine learning algorithms (ie, Support Vector Machine, Random Forest, and Gradient Boosting Trees) were trained to classify participants according to the clinical cutoff score of the MoCA (ie, < 26) from participant performance on 25 features of the computerized test. Analysis employed Synthetic Minority Oversampling TEchnic to correct the sample for class imbalance. RESULTS: Gradient Boosting Trees achieved the highest performance (accuracy = 0.81, specificity = 0.88, sensitivity = 0.74, F1 score = 0.79, and area under the curve = 0.81). A subsequent K-means clustering of the prediction features yielded 3 categories that corresponded to the unimpaired (mean = 26.98, SD = 2.35), mildly impaired (mean = 23.58, SD = 3.19), and moderately impaired (mean = 17.24, SD = 4.23) ranges of MoCA score ( F = 222.36, P < .00). In addition, compared to the MoCA, the computerized test correlated more strongly with age in unimpaired participants (ie, MoCA ≥26, n = 165), suggesting greater sensitivity to age-related changes in cognitive functioning. CONCLUSION: Future studies should examine ways to improve the sensitivity of the computerized test by expanding the cognitive domains it measures without compromising its efficiency.
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 | 0,013 | 0,057 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».