Validating the Mild Behavioral Impairment Checklist in a Cognitive Clinic: Comparisons With the Neuropsychiatric Inventory Questionnaire
Notice bibliographique
Résumé
Objective To compare the utility of the Mild Behavioral Impairment-Checklist (MBI-C) and Neuropsychiatric Inventory Questionnaire (NPI-Q) to capture NPS in subjective cognitive decline (SCD), mild cognitive impairment (MCI), and dementia. Methods In this cross-sectional memory clinic study, linear regression models compared MBI-C (n = 474) and NPI-Q (n = 1040) scores in relation to Montreal Cognitive Assessment (MoCA) score. Results MBI prevalence was 37% in subjective cognitive decline, 54% in mild cognitive impairment, and 62% in dementia. Worse diagnostic status was associated with higher MBI-C and NPI-Q score ( P < .001), lower MoCA ( P < .001), and greater age ( P < .001). Higher MBI-C (β −.09; 95% CI −.13, −.05) and NPI-Q (β −.17; 95% CI −.23, −.10) scores were associated with lower MoCA scores, with psychosis most strongly associated (β −1.11; 95% CI −1.56, −.65 vs β −1.14; 95% CI −1.55, −.73). Conclusions The MBI-C captures global and domain-specific NPS across cognitive stages. Both the MBI-C and NPI-Q have utility in characterizing NPS.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».