Association Between Neuropsychiatric Symptom Trajectory and Conversion to Alzheimer Disease
Notice bibliographique
Résumé
INTRODUCTION: Neuropsychiatric symptoms (NPS) are both common in mild cognitive impairment and Alzheimer disease (AD). Studies have shown that some NPS such as apathy and depression are a key indicator for progression to AD. METHODS: We compared Neuropsychiatric Inventory (NPI) total score and NPI subdomain score between mild cognitive impairment-converters (MCI-C) and mild cognitive impairment-nonconverters (MCI-NC) longitudinally for 6 years using the Alzheimer's Disease Neuroimaging Initiative (ADNI) database. In addition to the NPI, Mini-Mental State Examination (MMSE) scores were also compared to find out if MMSE scores would differ between different NPI groups. Lastly, a linear regression model was done on MMSE and NPI total score to establish a relationship between MMSE and NPI total score. RESULTS: The results in this study showed that NPI total scores between MCI-C and MCI-NC differed significantly throughout 6 years. MCI-C subjects had a higher mean NPI total score and lower MMSE score compared with MCI-NC subjects. In addition, MMSE scores were significantly different between the 3 groups of NPI total score. Subjects who have a high NPI score have the lowest mean MMSE score, thus demonstrating that NPI scores do indeed affect MMSE scores. Further analyses using a regression model revealed that a unit change in NPI total score lead to 0.1 to 0.3 decrease in MMSE. DISCUSSION: On the basis of the findings, this study showed evidence that increase in NPS burden (reflected by increase in NPI) over time predicts conversion to AD, whereas stability of symptoms (reflected by stable NPI score) favors nonconversion. Further study should investigate the underlying mechanisms that drive both NPS burden and cognitive decline.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».