MétaCan
Menu
Retour à la cohorte
Enregistrement W3045105385 · doi:10.1136/jnnp-2020-bnpa.31

14 Differentiating functional cognitive disorder from early neurodegeneration: a clinic-based study

2020· article· en· W3045105385 sur OpenAlexaboutno aff
Harriet A. Ball, Marta Swirski, Margaret Newson, Elizabeth Coulthard, Catherine Pennington

Notice bibliographique

RevueJournal of Neurology Neurosurgery & Psychiatry · 2020
Typearticle
Langueen
DomainePsychology
ThématiquePersonality Disorders and Psychopathology
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute for Health and Care ResearchAlzheimer's Society
Mots-clésCognitionMontreal Cognitive AssessmentRecallVerbal learningClinical psychologyMedicineVerbal memoryPsychologyEpisodic memoryPsychiatryAudiologyCognitive impairment

Résumé

récupéré en direct d'OpenAlex

Objectives/Aims Functional Cognitive Disorder (FCD) describes distressing or disabling cognitive symptoms that can be positively identified as internally inconsistent with recognised brain or systemic disease processes. FCD is common amongst attendees to cognitive or memory clinics. We aimed to improve the clinical characterisation of such patients, and identify means to differentiate them from patients with early neurodegeneration. Methods We identified two samples of patients recruited from a specialist cognitive clinic, classified on the basis of consensus expert clinical opinion following relevant investigations: FCD, (n=21), and neurodegenerative Mild Cognitive Impairment ‘MCI’, (n=17). We also recruited healthy control participants (n=25). All participants completed a cognitive battery: Montreal Cognitive Assessment (MoCA), Hopkins Verbal Learning Test-Revised (HVLT-R), Trail Making Test part B (TMT-B); and the Minnesota Multiphasic Personality Inventory (MMPI-2RF). Analyses included regression models controlling for age and gender. Analysis of the personality data focused on specific hypotheses generated from previous work on functional disorders. Results As expected, the FCD participants were younger than the MCI participants (mean age 58 vs 72), and were more likely to be occupationally active (35% vs 6%). As described previously in this sample*, subjective cognitive symptoms were equally elevated in FCD and MCI compared to controls. Both the FCD and MCI groups were impaired in comparison to controls on MoCA, TMT-B and the initial recall component of HVLT-R. However, FCD participants demonstrated a dip in scores from free recall to recognition on HVLT-R, which was not seen in MCI (p<0.05). FCD and MCI groups scored equally high relative to controls on anxiety and depression, and on four personality indices: emotional or internalising dysfunction, somatic complaints (cognitive and non-cognitive analysed separately), and negative emotional experiences. There were no group differences in ‘introversion/low positive emotionality’. Conclusions Cognitive symptoms, basic bedside cognitive testing, personality analysis, and mood symptoms are all similar across both early neurodegenerative and FCD groups, making them hard to disentangle clinically. We hope that by highlighting certain testing modalities that can illustrate internal inconsistency (such as delayed recall spared relative to recognition, as opposed to consistently poor delayed recall and recognition that is more typical of Alzheimer’s neurodegeneration), we can improve diagnosis and thereby management strategies. It is unclear why both mood and non-cognitive somatic symptoms are elevated in both FCD and MCI; this could reflect an epiphenomenon of distress surrounding the cognitive symptoms, despite diverse origins of the cognitive symptoms. Reference Pennington C, Ball HA, Swirski M.Functional cognitive disorder: diagnostic challenges and future directions.Diagnostics2019;9: 131.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,045
Tête enseignante GPT0,301
Écart entre enseignants0,255 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Neurology Neurosurgery & PsychiatryMême sujetPersonality Disorders and PsychopathologyTravaux en français237 207