Validation of the Visual Cognitive Assessment Test (VCAT) for the Early Diagnosis of Cognitive Impairment in Multilingual Population in Malaysia
Notice bibliographique
Résumé
As Malaysia undergoes a demographic transformation of population aging, the prevalence of dementia is expected to rise, posing a major public health threat issue. Early screening to detect cognitive impairment is important to implement appropriate clinical interventions. The Visual Cognitive Assessment Test (VCAT) is a language-neutral cognitive assessment screening tool suitable for multilingual populations. This study was aimed to validate the VCAT screening tool for the detection of cognitive impairment amongst the population of Malaysia. A total of 184 participants were recruited, comprising 79 cognitively healthy participants (CHP), 46 mild cognitive impairment (MCI) patients, and 59 mild dementia (Alzheimer’s disease and Vascular Dementia) patients from five hospitals between May 2018 and December 2019 to determine the usefulness of VCAT. Diagnostic performance was assessed using area under the curve (AUC), and receiver operating characteristic (ROC) analysies was performed to determine the recommended cutoff scores. ROC analyses for the VCAT was comparable with that of MoCA (Montreal Cognitive Assessment) in differentiating between CHP, MCI, and mild dementia (AD and VaD) participants. The findings of this study suggest the following optimal cutoff score for VCAT: Dementia 0–19, MCI 20–23, Normal 24–30. The mean ± SD time to complete the VCAT was 10.0 ± 2.75 min in the CHP group and 15.4 ± 4.52 min in the CI group. Results showed that 76.0% of subjects thought that the instructions in VCAT were similar or easier to understand compared with MoCA. This study showed that the VCAT is a valid and useful screening tool for patients with cognitive impairment in Malaysia and is feasible to be used in the clinical settings.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».