Diagnosing dementia in the Arctic: translating tools and developing and validating an algorithm for assessment of impaired cognitive function in Greenland Inuit
Notice bibliographique
Résumé
Introduction The ageing Arctic populations raise the need for work-up of cognitive function that reflects language and cultural understandings. Objectives To translate and evaluate tools for work-up of cognitive impairment in Greenland. Methods Step A: An expert panel was established to select tools suitable for the work-up of cognitive impairment at three different settings in Greenland. Step B: Tools were translated in a multiple-step process of independent translations with back-translation and adaptations by two independent translators and two Greenlandic physicians. Step C: a testing and validation process of the tools at three locations: the national hospital in the capital city; regional hospital in a town; health care centre in a small town. Results Tools selected were Mini-Cog and RUDAS. Participants for testing of tools were 43 of 61 invited, of which six had dementia. RUDAS and Mini-Cog scores were associated (p < 0.001). The smoothed AUC was 0.87 (95%-CI, 0.65–0.95) for Mini-Cog and 0.90 (95%-CI, 0.76–0.97) for RUDAS. The sensitivity of Mini-Cog with a cut-off at ≤3 was 83.3%, and specificity was 62.2%. For RUDAS with a cut-off at ≤23, these were 100% and 75.7%, respectively. Conclusions Requested tools have been translated for assessing cognitive function in the native Arctic setting. Small town residents with a Mini-Cog score of 3 or lower should be referred to a regional hospital for RUDAS, and a score of 23 or less should cause referral to the national hospital for a full work-up of cognitive function. Disclosure No significant relationships.
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 | 0,010 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 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) | 0,001 | 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 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 ».