MétaCan
Menu
Retour à la cohorte
Enregistrement W3196610754 · doi:10.3233/jad-210347

Diagnostic Validity of the Smart Aging Serious Game: An Innovative Tool for Digital Phenotyping of Mild Neurocognitive Disorder

2021· article· en· W3196610754 sur OpenAlexaboutno aff
Sara Isernia, Monia Cabinio, Sonia Di Tella, Stefania Pazzi, Federica Vannetti, Filippo Gerli, Irene Mosca, Gemma Lombardi, Claudio Macchi, Sandro Sorbi, Francesca Baglio

Notice bibliographique

RevueJournal of Alzheimer s Disease · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueDementia and Cognitive Impairment Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNeurocognitiveMontreal Cognitive AssessmentReceiver operating characteristicNeuropsychologyPsychologyLogistic regressionDementiaCognitionAudiologyNeuropsychological assessmentCognitive impairmentClinical psychologyMedicineInternal medicinePsychiatryDisease

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The Smart Aging Serious Game (SASG) is an ecologically-based digital platform used in mild neurocognitive disorders. Considering the higher risk of developing dementia for mild cognitive impairment (MCI) and vascular cognitive impairment (VCI), their digital phenotyping is crucial. A new understanding of MCI and VCI aided by digital phenotyping with SASG will challenge current differential diagnosis and open the perspective of tailoring more personalized interventions. OBJECTIVE: To confirm the validity of SASG in detecting MCI from healthy controls (HC) and to evaluate its diagnostic validity in differentiating between VCI and HC. METHODS: 161 subjects (74 HC: 37 males, 75.47±2.66 mean age; 60 MCI: 26 males, 74.20±5.02; 27 VCI: 13 males, 74.22±3.43) underwent a SASG session and a neuropsychological assessment (Montreal Cognitive Assessment (MoCA), Free and Cued Selective Reminding Test, Trail Making Test). A multi-modal statistical approach was used: receiver operating characteristic (ROC) curves comparison, random forest (RF), and logistic regression (LR) analysis. RESULTS: SASG well captured the specific cognitive profiles of MCI and VCI, in line with the standard neuropsychological measures. ROC analyses revealed high diagnostic sensitivity and specificity of SASG and MoCA (AUCs > 0.800) in detecting VCI versus HC and MCI versus HC conditions. An acceptable to excellent classification accuracy was found for MCI and VCI (HC versus VCI; RF: 90%, LR: 91%. HC versus MCI; RF: 75%; LR: 87%). CONCLUSION: SASG allows the early assessment of cognitive impairment through ecological tasks and potentially in a self-administered way. These features make this platform suitable for being considered a useful digital phenotyping tool, allowing a non-invasive and valid neuropsychological evaluation, with evident implications for future digital-health trails and rehabilitation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,037
Tête enseignante GPT0,333
Écart entre enseignants0,297 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations16
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Alzheimer s DiseaseMême sujetDementia and Cognitive Impairment ResearchTravaux en français237 207