Identifying functional cognitive disorder: a proposed diagnostic risk model
Notice bibliographique
Résumé
BACKGROUND: Functional cognitive disorders (FCD) are an important differential diagnosis of neurodegenerative disease. The utility of suggested diagnostic features has not been prospectively explored in "real world" clinical populations. This study aimed to identify positive clinical markers of FCD. METHODS: Adults with cognitive complaints but not dementia were recruited from memory, neurology, and neuropsychiatry clinics. Participants underwent structured interview, Mini International Neuropsychiatric Interview, Montreal Cognitive Assessment, Luria 3-step, interlocking fingers, digit span and Medical Symptom Validity Test, Patient Health Questionnaire 15, Hospital Anxiety and Depression Scale, Multifactorial Memory Questionnaire, and Pittsburgh Sleep Quality Inventory. Potential diagnostic variables were tested against expert consensus diagnosis using logistic regression. RESULTS: FCD were identified in 31/49 participants. Participants with FCD were younger, spoke for longer when prompted "Tell me about the problems you've been having," and had more anxiety and depression symptoms and psychiatric diagnoses than those without FCD. There were no significant differences in sex, education, or cognitive scores. Younger age and longer spoken response predicted FCD diagnosis in a model which explained 74% of diagnostic variability and had an area under the curve (AUC) of 94%. CONCLUSIONS: A detailed description of cognitive failure is a sensitive and specific positive feature of FCD, demonstrating internal inconsistency between experienced and observed function. Cognitive and performance validity tests appear less helpful in FCD diagnosis. People with FCD are not "worried well" but often perform poorly on tests, and have more anxiety, depression, and physical symptoms than people with other cognitive disorders. Identifying diagnostic profiles is an important step toward parity of esteem for FCDs, as differential diagnoses of neurodegenerative disease and an independent target for clinical trials.
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 | 0,014 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,006 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,002 |
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 ».