MétaCan
Menu
Retour à la cohorte
Enregistrement W2980434506 · doi:10.1016/j.prdoa.2019.08.006

Prediction of cognitive progression in Parkinson's disease using three cognitive screening measures

2019· article· en· W2980434506 sur OpenAlexaboutno aff
Hojoong M. Kim, Carter Nazor, Cyrus P. Zabetian, Joseph F. Quinn, Kathryn A. Chung, Amie Hiller, Shu-Ching Hu, James B. Leverenz, Thomas J. Montine, Karen L. Edwards, Brenna Cholerton

Notice bibliographique

RevueClinical Parkinsonism & Related Disorders · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueParkinson's Disease Mechanisms and Treatments
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute of Neurological Disorders and Stroke
Mots-clésMontreal Cognitive AssessmentDementiaNeuropsychologyCognitionLogistic regressionMedicineCognitive declineNeuropsychological testCognitive testInternal medicinePsychologyPsychiatryDisease

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Cognitive impairment is a common complication of Parkinson's disease (PD) and identifying risk factors for progression to Parkinson's disease dementia (PDD) is important. However, little research has been done comparing the utility of commonly used cognitive screening tests in predicting cognitive progression in PD. METHODS: We retrospectively reviewed data from patients with PD enrolled in the Pacific Udall Center who had baseline and longitudinal neuropsychological and global cognitive screening tests. The diagnostic accuracies of 3 common screening tests were compared: Montreal Cognitive Assessment (MoCA), Mattis Dementia Rating Scale (DRS-2), and Mini Mental Status Examination (MMSE). Cognitive diagnoses of PD with mild cognitive impairment (PD-MCI) and PDD were based on full neuropsychological testing and established Movement Disorder Society criteria. Logistic regression and Cox proportional hazards regression models were used to examine predictors of cognitive decline. RESULTS: Four hundred seventy patients for whom scores on all 3 screening tests were available from the same assessment were included in a cross-sectional analysis. The MoCA demonstrated the best overall diagnostic accuracy for PD-MCI (AUC= 0.79, sensitivity= 76.4%) and for PDD (AUC= 0.89, sensitivity= 81.0%) compared to the DRS-2 and MMSE. A longitudinal analysis was performed on the subset of patients (316/470; 67.2%) who were nondemented at baseline and had undergone two or more assessments. After controlling for covariates, the MoCA was the only test associated with progression to PDD (OR= 1.27 95% CI 1.1 - 1.5, p=0.001) and faster time to dementia (HR = 1.3, 95% CI 1.1 - 1.4, p<0.0001). CONCLUSIONS: This study provides additional support for the use of the MoCA as a primary screening tool for cognitive impairment in PD and is the first to show that the MoCA is a predictor of conversion to PDD.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,178
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,059
Tête enseignante GPT0,348
Écart entre enseignants0,289 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations43
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical Parkinsonism & Related DisordersMême sujetParkinson's Disease Mechanisms and TreatmentsTravaux en français237 207