An Informant-Based Simple Questionnaire for Visuospatial Dysfunction Assessment in Dementia
Notice bibliographique
Résumé
OBJECTIVES: Visuospatial dysfunction (VSD) is one of the most important symptoms for the diagnosis of dementia with Lewy bodies (DLB). The aim of this study was to validate a novel VSD questionnaire and determine the cutoff score for the screening for VSD in DLB. METHODS: This is a retrospective analysis of data from a project of the History-based Artificial Intelligent Clinical Dementia Diagnostic System (HAICDDS). VSD of non-demented control (NDC), Alzheimer's disease (AD), and DLB participants were analyzed and compared using the visuospatial questionnaire in the HAICDDS (HAI-VSQ), the Draw subscale in the Cognitive Abilities Screening Instrument (CASI-Draw), and the visuospatial subscale in Montreal Cognitive Assessment (MoCA-VS). RESULTS: A total of 440 individuals were studied, including 154 NDC, 229 AD, and 57 DLB participants. Compared to NDC or AD participants, DLB participants showed a higher total score on HAI-VSQ after adjustment for age. Using HAI-VSQ, a cutoff score ≥ 2 was useful for the screening for VSD in DLB with a sensitivity of 0.77 and a specificity of 0.94. Compared with CASI-Draw or MoCA-VS, HAI-VSQ was least influenced by gender, age, and education and had the highest correlation with the sum of boxes of the Clinical Dementia Rating scale. After adjustment for age, education, gender, and global cognitive function, HAI-VSQ significantly discriminated DLB from AD and NDC whereas MoCA-VS or CASI-Draw did not. CONCLUSION: Our study showed that the newly designed simple questionnaire was a practical screening tool for VSD in DLB that can be applied in clinical practice as well as on a registration platform.
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) | 0,000 | 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 tête enseignante, 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 ».