Defining cognitive impairment in amyotrophic lateral sclerosis: an evaluation of empirical approaches
Notice bibliographique
Résumé
Objective: Amyotrophic lateral sclerosis (ALS) is a multi-system disorder characterized primarily by motor neuron degeneration, but may be accompanied by cognitive dysfunction. Statistically appropriate criteria for establishing cognitive impairment (CI) in ALS are lacking. We evaluate quantile regression (QR), that accounts for age and education, relative to a traditional two standard deviation (SD) cutoff for defining CI. Methods: QR of cross-sectional data from a multi-center North American Control (NAC) cohort of 269 healthy adults was used to model the 5th percentile of cognitive scores on the Edinburgh Cognitive and Behavioral ALS Screen (ECAS). The QR approach was compared to traditional two SD cutoff approach using the same NAC cohort (2SD-NAC) and to existing UK-based normative data derived using the 2SD approach (2SD-UK) to assess the impact of cohort selection and statistical model in identifying CI in 182 ALS patients. Results: QR-NAC models revealed that age and education impact cognitive performance on the ECAS. Based on QR-NAC normative cutoffs, the frequency of CI in the 182 PENN ALS patients was 15.9% for ALS specific, 12.6% for ALS nonspecific, and 15.4% for ECAS total. This frequency of CI is substantially more conservative in comparison to the 2SD-UK (20.3%–34.6%) and modestly more conservative to the 2SD-NAC (14.3%–16.5%) approaches for estimating CI. Conclusions: The choice of normative cohort has a substantial impact and choice of statistical method a modest impact on defining CI in ALS. This report establishes normative ECAS thresholds to identify whether ALS patients in the North American population have CI.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 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 ».