DESIGN AND EVALUATION OF AN ECOLOGICAL MOMENTARY ASSESSMENT TOOL FOR ASSESSING DEPRESSION IN DEMENTIA
Notice bibliographique
Résumé
Abstract Background. Assessing depression in people with dementia is challenging due to limitations of retrospectivity. Mobile Ecological Momentary Assessment (EMA) provides a novel approach in assessing depressive symptoms by collecting informant measures in intervals throughout the day, decreasing recall bias and increasing representativeness. Objective. The objective of this study is to design an EMA application for assessing depression in individuals with dementia. Methods. A literature review was conducted to determine commonly used and validated assessments for depression in dementia. Assessments were analyzed for common items, where items less commonly used (<50% of assessments sharing the item) or not relevant to be collected using EMA were excluded. Wording of items were also analyzed to develop the specific structure of questions for the EMA assessment. Results: Six assessments were found and demonstrated adequate performance outcomes. Items fell into either mood-related, dementia-related, vegetative, psychotic or positive mood symptom groups. The mood-related group was analyzed separately for prominent items, which were sadness, anxiety, pessimism, loss of interest and irritability. Wording of items were modified to be consistent with being collected throughout the day, rather than retrospectively. These items were incorporated as core observational domains in the application to be tested. Sadness and anxiety were additionally included as self-report items as studies have shown these to be most discordant between individuals with dementia and informants. Conclusions: This research is a first step towards an innovative approach to assessing depression in dementia. Next steps involve evaluation of the application’s feasibility and reliability for assessing depression in dementia.
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 | 0,064 | 0,061 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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; 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 ».