Racial‐ethnic differences in baseline and longitudinal change in neuropsychological test scores in the NACC Uniform Data Set 3.0
Notice bibliographique
Résumé
Abstract Background Racial/ethnic differences in cross‐sectional assessment of cognitive test performance are well known. However, longitudinal studies of differences in cognitive decline have been mixed. The purpose of this study was to examine racial/ethnic differences in baseline and longitudinal change on the Uniform Data Set (UDS) version 3 of the NIA Alzheimer’s Disease Research Centers program. Method Longitudinal data from 2,806 participants (2336 non‐Hispanic White, 350 non‐Hispanic Black, 120 Hispanics tested in Spanish) were acquired from the National Alzheimer’s Coordinating Center (NACC), and included baseline and at least two follow‐up visits. We used marginal linear regression models to examine racial/ethnic differences in standardized test scores, by including racial group indicators, time (in years) since initial visit and their interaction, controlling for baseline age, sex, education and changes in global CDR scores during the follow‐up. Additional models examining longitudinal change also controlled for baseline score. The outcome variables included the Montreal Cognitive Assessment (MoCA, Number Span (Forward/Backward), Craft Story 21 Recall (Immediate/Delayed), Multilingual Naming Test (MINT), Category Naming (animals and vegetables), Trail Making A and B, and Benson Figure (Copy/Recall). Estimates were obtained from generalized estimating equations with an exchangeable working correlation, and robust standard errors were used to construct confidence intervals and compute p‐values. Result Black and Hispanic participants had lower baseline scores on all tests (difference in standard deviation units: ‐0.029 to ‐0.858 for blacks, and ‐0.014 to ‐1.214 for Hispanics), but showed attenuated decline on all tests (difference in standard deviation units per year: 0.002 to 0.102 for blacks, 0.022 to 0.296 for Hispanics) compared to non‐Hispanic Whites. When baseline test scores were controlled, the differences in longitudinal changes became mostly statistically non‐significant. Conclusion Despite large racial/ethnic differences in baseline test scores, there were no racial/ethnic differences in longitudinal change over time once baseline differences were controlled. Further, results suggest that the utility of baseline test scores in UDS version 3 to predict longitudinal change may not be compromised in racially diverse populations.
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 | 0,007 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».