Detection of Mild Cognitive Impairment in an At-Risk Group of Older Adults: Can a Novel Self-Administered Serious Game-Based Screening Test Improve Diagnostic Accuracy?
Notice bibliographique
Résumé
BACKGROUND: Literature supports the use of serious games and virtual environments to assess cognitive functions and detect cognitive decline. This promising assessment method, however, has not yet been translated into self-administered screening instruments for pre-clinical dementia. OBJECTIVE: The aim of this study is to assess the performance of a novel self-administered serious game-based test, namely the Virtual Supermarket Test (VST), in detecting mild cognitive impairment (MCI) in a sample of older adults with subjective memory complaints (SMC), in comparison with two well-established screening instruments, the Montreal Cognitive Assessment (MoCA) and the Mini-Mental State Examination (MMSE). METHODS: Two groups, one of healthy older adults with SMC (N = 48) and one of MCI patients (N = 47) were recruited from day centers for cognitive disorders and administered the VST, the MoCA, the MMSE, and an extended pencil and paper neuropsychological test battery. RESULTS: The VST displayed a correct classification rate (CCR) of 81.91% when differentiating between MCI patients and older adults with SMC, while the MoCA displayed of CCR of 72.04% and the MMSE displayed a CCR of 64.89%. CONCLUSION: The three instruments assessed in this study displayed significantly different performances in differentiating between healthy older adults with SMC and MCI patients. The VST displayed a good CCR, while the MoCA displayed an average CCR and the MMSE displayed a poor CCR. The VST appears to be a robust tool for detecting MCI in a population of older adults with SMC.
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 | 0,001 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 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 ».