Cognitive profiles and optimal cut‐offs for routine cognitive tests in elderly individuals with Parkinson's disease, Parkinson's disease dementia, Alzheimer's disease, and normal cognition
Notice bibliographique
Résumé
AIM: The cognitive impairment seen in Parkinson's disease (PD) results in patient disability and reduced quality of life. However, using cognitive screening scales specific to PD in routine clinical practice is difficult because of limited time, resources, and skills. We studied the ability of routine cognitive tests to differentiate between Parkinson's disease dementia (PDD) and PD and among the neuropsychological profiles of elderly individuals with PD, PDD, Alzheimer's disease (AD), and normal cognition. METHODS: This cross-sectional study involved 124 subjects. Subjects were 35 cognitively normal elderly and 37 elderly individuals with PD, 22 with PDD, and 30 with AD. All subjects were diagnosed by a specialist using standard criteria. Clinically relevant data and scores from the Montreal Cognitive Assessment and the Thai Mental State Examination were collected. Cognitive test scores were compared among groups. Receiver operating characteristic curves were constructed for a range of cut-off points to explore the sensitivity and specificity of the screening tools to detect PDD. RESULTS: There were 74 female subjects (59.7%), and the average age of all subjects was 75.6 years. The median score on the modified Hoehn and Yahr scale was 2.5 in subjects with PD and 4 in those with PDD (P < 0.001). The cut-offs for differentiating PDD from PD were 25 on the Thai Mental State Examination and 14 on the Montreal Cognitive Assessment. The sensitivity of the Thai Mental State Examination was 78.4%, and the specificity was 66.7% (area under the curve: 0.828). The sensitivity of the Montreal Cognitive Assessment was 81.1%, and the specificity was 75% (area under the curve: 0.876). There was a significant difference in the memory and language subdomains between AD and PDD (P < 0.05). CONCLUSIONS: The cut-offs used to differentiate PDD from PD were not the same as routine cut-offs in distinguishing AD from normal elderly. The cognitive profile deficit in PDD differed from that in AD. Interpretations of positive screenings test should take this finding into consideration.
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 | 0,004 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 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 | 0,001 | 0,000 |
| 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 ».