Mild Behavioral Impairment and Subjective Cognitive Decline predict Mild Cognitive Impairment
Notice bibliographique
Résumé
Abstract Objective Better methods for detecting preclinical neuropathological change are required for prevention of dementia. Mild behavioral impairment (MBI) and subjective cognitive decline (SCD) can represent neurobehavioral and neurocognitive axes of early stage neurodegenerative processes, which are represented in Stage 2 of the NIA-AA Alzheimer’s disease research framework. Both MBI and SCD may offer an opportunity for premorbid detection. We test the hypothesis that MBI and SCD confer additive risk for incident cognitive decline. Methods Participants were cognitively normal older adults followed up approximately annually at Alzheimer’s Disease Centers. Logistic regression was used to determine the relationship between baseline classification (MBI+, SCD+, neither (MBI-SCD-), or both (MBI+SCD+)) and cognitive decline, defined by Clinical Dementia Rating (CDR) total score, at 3 years. Results Of 2769 participants (mean age=76; 63% females), 1536 were MBI-SCD-, 254 MBI-SCD+, 743 MBI+SCD-, and 236 MBI+SCD+. At 3-years, 349 individuals (12.6%) developed cognitive decline to CDR>0. Compared to SCD-MBI-, we observed an ordinal progression in risk, with ORs [95% CI] as follows: 3.61 [2.42-5.38] for MBI-SCD+ (16.5% progression), 4.76 [3.57-6.34] for MBI+SCD-, (20.7% progression) and 8.15 [5.71-11.64] for MBI+SCD+ (30.9% progression). Conclusion MBI in older adults alone or in combination with SCD is associated with a higher risk of incident cognitive decline at 3 years. The highest rate of progression to MCI is observed in those with both MBI and SCD. Used in conjunction, MBI and SCD could be simple and scalable methods to identify patients at high risk for cognitive decline for prevention studies.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».