MétaCan
Menu
Retour à la cohorte
Enregistrement W3217725027 · doi:10.1002/brb3.2418

Validation of a modified Chinese version of Mini‐Addenbrooke's Cognitive Examination for detecting mild cognitive impairment

2021· article· en· W3217725027 sur OpenAlexaboutno aff
Fengfeng Pan, Liang Cui, Qingjie Li, Qihao Guo

Notice bibliographique

RevueBrain and Behavior · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueDementia and Cognitive Impairment Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMaceMontreal Cognitive AssessmentReceiver operating characteristicCognitive impairmentCognitionAudiologyArea under the curveRecallPsychologyMini–Mental State ExaminationMedicineInternal medicinePsychiatryCognitive psychology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: For detecting mild cognitive impairment (MCI), brief cognitive screening tools are increasingly required for the advantage of time saving and no need for special equipment or trained raters. We aimed to develop a modified Chinese version of Mini-Addenbrooke's Cognitive Examination (C-MACE) and further evaluate its validation in detecting MCI. METHODS: A total of 716 individuals aged from 50 to 90 years old were recruited, including 431 cognitively normal controls (NC) and 285 individuals with MCI. The effect size of Cramer's V was used to explore which items in the Chinese version of Addenbrooke's Cognitive Examination-III (ACE-III-CV) best associated with MCI and to form the C-MACE. Receiver operating characteristic (ROC) analyses were carried out to explore the ability of C-MACE, ACE-III-CV, Chinese version of Montreal Cognitive Assessment-Basic (MoCA-BC), and Mini-Mental State Examination (MMSE) in discriminating MCI from NC. RESULTS: Five items with greatest effect sizes of Cramer's V were selected from ACE-III-CV to form the C-MACE: Memory Immediate Recall, Memory Delayed Recall, Memory Recognition, Verbal Fluency Animal and Language Naming. With a total score of 38, the C-MACE had a satisfactory classification accuracy in detecting MCI (area under the ROC curve, AUC = 0.892), superior to MMSE (AUC = 0.782) and comparable to ACE-III-CV (AUC = 0.901) and MoCA-BC (AUC = 0.916). In the subgroup of Age > 70 years, Education ≤ 12 years, the C-MACE got a highest classification accuracy (AUC = 0.958) for detecting MCI. CONCLUSION: In the Chinese-speaking population, C-MACE derived from ACE-III-CV may identify MCI with a good classification accuracy, especially in aged people with low education.

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)0,008
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,041

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,016
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,030
Tête enseignante GPT0,347
Écart entre enseignants0,318 · 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'étudeObservationnel
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

Citations9
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBrain and BehaviorMême sujetDementia and Cognitive Impairment ResearchTravaux en français237 207