Neuropsychological Equivalence of the Clinical Diagnosis of Mild Cognitive Impairment in the National Alzheimer’s Coordinating Center Uniform Data Set and Alzheimer’s Disease Neuroimaging Initiative
Notice bibliographique
Résumé
INTRODUCTION: Our understanding of Alzheimer's disease may be improved by harmonizing data from large cohort studies of older adults. Differences in the way clinical conditions, like mild cognitive impairment (MCI), are diagnosed may lead to variability among participants that share the same diagnostic label. This variability presents a challenge for cohort harmonization and may lead to inconsistency in research findings. Little research to date has explored the equivalence of the diagnostic label of MCI across 2 of the largest and most influential cohort studies in the USA: the National Alzheimer's Coordinating Center (NACC) and the Alzheimer's Disease Neuroimaging Initiative (ADNI). METHODS: Participants with MCI due to presumed Alzheimer's disease from the NACC Uniform Data Set (n = 789) and ADNI (n = 131) were compared on demographic, psychological, and functional variables, as well as on an abbreviated neuropsychological battery common to the 2 data sets. RESULTS: Though similar in terms of age, education, and functional status, the NACC sample was more diverse (17.4% non-White participants vs. 7.6% in ADNI; χ2 = 7.923, p = 0.005) and tended to perform worse on some cognitive tests. In particular, participants diagnosed with MCI in NACC were more likely to have clinically significant impairments on language measures (26.36-31.18%) than MCI participants in ADNI (16.03-19.85%). DISCUSSION: The current findings suggest important differences in cognitive performances between 2 large MCI cohorts, likely reflective of differences in diagnostic criteria used in these 2 studies, as well as differences in sample compositions. Such diagnostic heterogeneity may make harmonizing data across these cohorts challenging. However, application of shared psychometric criteria across studies may lead to closer equivalence of MCI groups. Such approaches could pave the way for cohort harmonization and enable "big data" analytic approaches to understanding Alzhei-mer's to be developed.
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 | 0,041 | 0,110 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».