Test the Best: Classification Accuracies of Four Cognitive Rating Scales for Parkinson’s Disease Mild Cognitive Impairment
Notice bibliographique
Résumé
OBJECTIVE: A progressive cognitive impairment is one of the frequent non-motor symptoms during Parkinson's disease (PD) course. A short and valid screening tool is needed to detect an incipient cognitive deficit at the mild cognitive impairment stage in Parkinson's disease (PD-MCI). METHOD: The present study aims to evaluate the classification accuracies of four cognitive screenings: Montreal Cognitive Assessment (MoCA), Mattis Dementia Rating Scale second edition (DRS-2), Mini-Mental State Examination (MMSE) and Frontal Assessment Battery (FAB) in a cohort of PD patients (PD-MCI, n = 46; and Parkinson's disease with normal cognition, PD-NC, n = 95) and Controls (n = 66). All subjects underwent a standard neuropsychological battery as recommended by the International Parkinson and Movement Disorder Society and underwent all four screening tools. RESULTS: In the detection of PD-MCI versus PD-NC, the MoCA showed a sensitivity of 84% and a specificity of 66% with a screening cutoff score at ≤25 points. The MoCA's AUC was 86% (95% CI 78.7-93.1). In the detection of PD-MCI versus Controls, the FAB displayed 84% sensitivity and 79% specificity with a cutoff ≤16 points, to screen. The FAB's AUC was 87% (79.0-95.0). CONCLUSIONS: Our results show that the MoCA is the most discriminative tool for screening MCI in the PD population.
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 | 0,006 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».