Subjective Versus Objective Assessment of Cognitive Functioning in Primary Care
Notice bibliographique
Résumé
<h3>Purpose:</h3> This study examined the clinical utility of highly efficient subjective and objective screens of cognitive impairment. <h3>Method:</h3> Participants (<i>N</i> = 124, age ≥ 65, mean = 73.59, SD = 6.26) completed a 2-item questionnaire of subjective memory functioning, a brief computerized cognitive test, and the Montreal Cognitive Assessment (MoCA). Next, participants were assigned to 1 of 4 conditions, based on their subjective (low/high) and objective (impaired/unimpaired) levels of cognitive functioning. Further analysis divided the sample into age-based groups (ie, age < 75, age ≥ 75). <h3>Results:</h3> The proportion of participants in the impaired subsample (ie, MoCA < 26), who reported a high level of subjective concern about their memory, was low (ie, 0.15). Among unimpaired participants, analysis detected significant group differences across subjective memory levels (<i>P</i> < .0003) and age (<i>P</i> < .005) categories on one of the three tasks of the computerized test (ie, cognitive control). In contrast, the MoCA offered no differentiation between these groups. <h3>Conclusion:</h3> Screening protocols in which cognitive testing is administered subsequent to patient complaint are prone to underdiagnosis. In addition, common dementia screens are insensitive to subjective deficits and healthy cognitive aging. Therefore, they may lead to dismissing valid concerns that deserve preventive attention. Primary care needs efficient screening tools that are sensitive to prodromal 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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».