Saccadic Eye Movements: Giving us a Glimpse into understanding Cognitive Impairment
Notice bibliographique
Résumé
Background Multiple sclerosis (MS) frequently causes cognitive impairment (CI), with learning, attention and memory being the most frequently impaired. The Symbol Digit Modalities Test (SDMT) measures visual scanning and information processing speed and accounts for the highest portion of the variance when classifying people with MS (PwMS) and healthy controls (HC). The Montreal Cognitive Assessment (MoCA) is a widely used screening assessment for detecting cognitive impairment. PwMS have been shown to have abnormally slow saccadic eye movements. The King‐Devick (K‐D) Test, a test of attention and rapid eye movements, is used in the field to detect concussions among athletes. We want to determine the feasibility of administering the K‐D test in a routine clinical visit of PwMS. Hypothesis We believe the K‐D test can be used to help detect CI in PwMS. Methods We recruited PwMS and HC from the LSU MS Clinic and the community. Participants completed the K‐D Test, SDMT, and the MoCA. All HC scoring ≤25 on the MoCA were excluded. PwMS scoring ≤25 on the MoCA were categorized as CI. We determined the correlations between each of the tests using a Pearson correlation. Results We recruited 38 PwMS (84% females, mean age 48±13 years; years of education 15±2.8; 47% CI) and 18 HC (61% females, age 56±12 years; education 15±2.8). The HC scored significantly better than the PwMS on the SDMT (60±11.3 and 52.3±9.1, p=0.01) and MoCA (28±1.2 and 26±2.4, p<0.01). In the PwMS CI group, the K‐D correlated with SDMT (r= −0.43, p=0.06) and MoCA (r= −0.59, p=0.006); in the PwMS not impaired group, the K‐D correlated with SDMT (r= −0.17, p=.48); and MoCA (r= −0.16, p=.51). In HC, the K‐D correlated with SDMT (r= −0.59, p=0.01) and MoCA (r= −0.21, p=.41). Conclusion The K‐D test may detect CI in PwMS since there appears to be a link between saccadic eye movements and cognitive impairment. This abstract is from the Experimental Biology 2019 Meeting. There is no full text article associated with this abstract published in The FASEB Journal .
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 | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,005 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,002 | 0,005 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 ».