Asian cohort for Alzheimer’s disease (ACAD) data collection: Rationale, design and validation
Notice bibliographique
Résumé
Abstract Background As the first large Alzheimer’s Disease (AD) genetics cohort for Asians in the United States and Canada, the Asian Cohort for Alzheimer’s Disease (ACAD) has adapted existing instruments to collect data on sex, genetics, medical history, and lifestyle risk factors. We hypothesize that any and all of these factors impact AD risk differently for Asians. Initially ACAD focuses on US and Canadian participants of Chinese, Korean, and Vietnamese ancestry. Method ACAD’s Clinical Workgroup reviewed commonly used dementia research questionnaires, including the NACC Uniform Data Set, Religious Order Study, and NIA‐Late‐Onset AD to select, and in some cases adapt, questions that are most appropriate for ACAD. A combination of AD clinical researchers and community outreach specialists reviewed the data collection packet, administration procedures, and consensus diagnosis process for cultural sensitivity without sacrificing scientific rigor to gather non‐genetic and lifestyle risk factor data. Result We designed the ACAD Data Collection Packet (DCP) to create a friendly dialogue with participants through a socio‐culturally and linguistically sensitive 3‐part process. The DCP consists of some instruments already validated in Chinese, Vietnamese and Korean languages to screen for cognitive impairment (Cognitive Abilities Screening Instrument (CASI) and Modified Mini‐Mental State (3MS)). Part A collects origins, Mediterranean diet compliance, and Clinical Dementia Rating scores. The self‐administered Part B uses an adaptation of the Rush Cognitive Activity Questionnaire on early‐life enrichment. Part C structures the collection of medical history and cognitive testing with CASI vs 3MS, the Common Objects Memory Test, Category (not Letter) Fluency, and the 15‐item Clock Drawing Task. This assessment is designed to be administered either remotely or face to face. Conclusion Over the next year, we will pilot the ACAD Data Collection Packet, to set a community standard for dementia screening among Asian Americans and Canadians that can support data harmonization across epidemiological studies. While ACAD translation accommodates Chinese, Korean, and Vietnamese at this stage, we look forward to implementing additional major Asian languages.
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 | 0,178 | 0,134 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,004 | 0,003 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,004 |
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 ».