Predicting Mental Decline Rates in Mild Cognitive Impairment From Baseline MRI Volumetric Data
Notice bibliographique
Résumé
PURPOSE: In mild cognitive impairment (MCI), identifying individuals at high risk for progressive cognitive deterioration can be useful for prognostication and intervention. This study quantitatively characterizes cognitive decline rates in MCI and tests whether volumetric data from baseline magnetic resonance imaging (MRI) can predict accelerated cognitive decline. METHODS: The authors retrospectively examined Alzheimer Disease Neuroimaging Initiative data to obtain serial Mini-Mental Status Exam (MMSE) scores, diagnoses, and the following baseline MRI volumes: total intracranial volume, whole-brain and ventricular volumes, and volumes of the hippocampus, entorhinal cortex, fusiform gyrus, and medial temporal lobe. Subjects with <24 months or <4 measurements of MMSE data were excluded. Predictive modeling of fast cognitive decline (defined as >0.6/year) from baseline volumetric data was performed on subjects with MCI using a single hidden layer neural network. RESULTS: Among 698 baseline MCI subjects, the median annual decline in the MMSE score was 1.3 for converters to dementia versus 0.11 for stable MCI (P<0.001). A 0.6/year threshold captured dementia conversion with 82% accuracy (sensitivity 79%, specificity 85%, area under the receiver operating characteristic curve 0.88). Regional volumes on baseline MRI predicted fast cognitive decline with a test accuracy of 71%. DISCUSSION: An MMSE score decrease of >0.6/year is associated with MCI-to-dementia conversion and can be predicted from baseline MRI.
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 | 0,002 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».