Prevalence of mild behavioural impairment domains: a meta‐analysis
Notice bibliographique
Résumé
BACKGROUND: Mild behavioural impairment (MBI) is a neurobehavioural syndrome characterised by later life emergence of persistent neuropsychiatric symptoms. Our previous meta-analysis showed that MBI is prevalent among cognitively normal (CN), subjective cognitive impairment (SCI) and mild cognitive impairment (MCI) subjects. This study is to calculate the pooled prevalence of MBI domains among CN, SCI, and MCI subjects. METHODS: A search of relevant literature published between 1 January 2003 and 6 August 2021 was conducted. Meta-analysis using a random effects model and meta-regression was performed. RESULTS: Ten studies conducted among 12 067 subjects (9758 CN, 1057 SCI and 1252 MCI) with retrievable MBI domains data underwent meta-analysis, revealing pooled prevalence of affective dysregulation (AFD), impulse dyscontrol (IDS), decreased motivation (DMT), social inappropriateness (SIP) and abnormal perception/thought (APT) of 32.84% (95% CI 24.44-42.5%), 26.67% (95% CI 18.24-37.23%), 12.58% (95% CI 6.93-21.75%), 6.05% (95% CI 3.44-10.42%), and 2.81% (95% CI 1.67-4.69%) respectively. AFD and APT domains demonstrated ordinal increase in pooled prevalence from CN, SCI and MCI subgroups, but meta-regression demonstrated no significant difference in MBI domains prevalence among cognitive subgroups (in contrast to the significant increase in MBI prevalence from CN to SCI to MCI). The pooled prevalence of AFD and IDS are greater than that of DMT, SIP and APT among all cognitive subgroups. Several variables were found to explain the high heterogeneity. CONCLUSIONS: AFD and IDS are the two most prevalent MBI domains and remain the same with cognitive deterioration. This finding is potentially relevant to clinical practice.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,008 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 tête enseignante, 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 ».