A New Instrument Combines Cognitive and Social Functioning Items for Detecting Mild Cognitive Impairment and Dementia in Parkinson’s Disease
Notice bibliographique
Résumé
Background The commonly used screening tests for Parkinson’s disease (PD) are the Montreal Cognitive Assessment (MoCA) and Mini-Mental State Examination (MMSE), both of which only focus on cognitive function. A composite assessment that considers both cognitive and social dysfunction in PD would be helpful in detecting mild cognitive impairment (MCI) and PD dementia (PDD). Objective We aimed to simplify the commonly used tools and combine cognitive and social functioning tests to detect early MCI and PDD. Materials and Methods A total of 166 participants (84 PD patients and 82 healthy) were recruited who completed the MMSE, MoCA, PD social functioning scale (PDSFS), clock drawing test, activities of daily living, comprehensive neuropsychological assessment (e.g., executive, attention, language, memory, and visuospatial functions), and movement disorder society (MDS)-unified PD rating scale. According to the MDS diagnostic criteria, the patients were grouped into PD-nonMCI, PD-MCI, or PDD. Results To detect PD-MCI, the optimal cut-off scores for the simplified MoCA and the combined test were 9 and 35. The discrimination values measured by the area under the receiver operating characteristic curve (AUC) of the two tests were 0.767 (p < 0.001) and 0.790 (p < 0.001). When the simplified MoCA was 7 or the combined test 30, the patients would be classified as having PDD. The AUCs of the two tests were 0.846 (p < 0.001) and 0.794 (p = 0.003). Conclusion We suggest considering both cognitive and social functions when detecting PD-MCI and PDD.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».