Intensive measurement of cognition to support early detection of cognitive change in individuals at risk of dementia
Notice bibliographique
Résumé
Abstract Background Cognitive changes in nondemented older adults are best measured longitudinally and relative to individual baselines. Effect sizes of early changes in cognition are small with most traditional measures, and so there is a need for alternative measurement approaches that can improve statistical power to detect change. Remotely administered mobile assessments can address this need by permitting much more frequent repeated measurements, which then permits statistical delineation of early slopes of decline from performance variation associated with extraneous factors (e.g., mood, practice). MyCogHealth is an iOS/Android app for self‐administered cognitive assessments and customizable surveys. Inclusion of MyCogHealth in the Canadian Thumbs Up program (CTU) will permit evaluation of feasibility and utility of intensive measurement designs for capturing early cognitive changes in older adults identified to be at increased risk of dementia. Method The CTU Platform Trial Cohort will complete five intensive measurement “bursts” in three‐month intervals using MyCogHealth. Each burst involves brief self‐administered assessments completed twice daily across seven consecutive days. Each assessment includes the Symbol Match test (processing speed), Dot Memory (visual short‐term memory), a digital Trailmaking Test analogue, and surveys assessing state factors that can affect cognition. A pilot cohort (N=17; Mean age=74; Mean MoCA score=28) was followed for 12 months using this protocol to evaluate feasibility and psychometric integrity of the Symbol Match and Dot Memory tests in this design. Result In the pilot cohort Symbol Match correlated with Digit Span Forward and the Trailmaking Test (r=.51‐.66). Dot Memory correlated with Backward Digit Span (r=.49), Trailmaking Test (r=‐.59), object naming (r=.64), and visual episodic memory (r=.58). Retest reliability was .80 for Dot Memory and .87 for Symbol Search. Intraclass correlation was .77 for Symbol Search and .42 for Dot Memory. Participant retention was 100% and compliance with burst testing was 94%. Conclusion Preliminary results support the feasibility, validity, and reliability of self‐administered burst testing deployed longitudinally. Inclusion of MyCogHealth in CTU should be informative in capturing early slopes of decline in the study cohort. Such early detection of decline will inform more powerful, personalized trials where those at the highest predicted risk would be included and those at lower risk excluded.
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».