Порівняльна характеристика скринінгових шкал для виявлення когнітивних порушень
Notice bibliographique
Résumé
У роботі йдеться про результати виконаного порівняльного аналізу трьох скринінгових шкал для оцінки когнітивних порушень: Mini-Mental state examination (MMSE), Mini-Cog test, Montreal Cognitive Assessment (MoCA). Нейропсихологічне обстеження провели 25 пацієнтам із цереброваскулярними захворюваннями головного мозку. У результаті проведених досліджень було встановлено, що найменше часу потребує виконання тесту Mini-Cog (у середньому 3 хв), проведення MMSE займало близько 10 хв, а MoCA — 13–15 хв. Тривалість виконання тесту впливала на рівень втомлюваності та виснаження пацієнтів. Результати тесту Mini-Cog не залежали від вихідного рівня освіти, культури та мови. Проте даний тест виявився найменш чутливим і зміг діагностувати лише виражені когнітивні порушення. Перевагами тесту MMSE були можливість визначення рівня когнітивних порушень відповідно до кількості набраних балів та значно вища чутливість порівняно з тестом Mini-Cog. Найчутливішим скринінговим тестом виявився MoCA, проте система формалізованої оцінки даного тесту на сьогодні не передбачає градацію за тяжкістю порушень залежно від набраної кількості балів. Отже, результати проведених досліджень доводять, що вибір нейропсихологічної методики повинен здійснюватися з урахуванням конкретної клінічної ситуації та умов, у яких вона застосовується. Даний порівняльний аналіз загальноприйнятих скринінгових шкал для визначення когнітивних порушень може бути застосований при плануванні діагностичного пошуку для забезпечення ранньої ефективної верифікації змін інтелектуально-мнестичних функцій.
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 | 0,004 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,007 | 0,005 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,030 | 0,012 |
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 ».