Characterizing mild cognitive impairment to predict incident dementia in adults with bipolar disorder: What should the benchmark be?
Notice bibliographique
Résumé
Objective: Although mild cognitive impairment (MCI) is generally considered a risk state for dementia, its prevalence and association with dementia are impacted by the number of tests and cut-points used to assess cognition and define “impairment,” and sources of norms. Here, we investigate how these methodological variations impact estimates of incident dementia in adults with bipolar disorder (BD), a vulnerable population with pre-existing cognitive deficits and increased dementia risk. Method: Neuropsychological data from 148 adults with BD and 13,610 healthy controls (HC) were drawn from the National Alzheimer’s Coordinating Center. BD participants’ scores were standardized against published norms and again using regression-based norms generated from HC within the same catchment area as individual BD patients (“site-specific norms”), varying the number of within-domain tests (one vs. two) and the cut-points (−1 vs. −1.5 SD) used to operationalize MCI. Results: Site-specific norms were more sensitive to incident dementia (88.6%–94.3%) than published norms (74.3%–88.6%), but only when using a “single test” definition of impairment. Specificity (22.1%–74.3%), accuracy (37.8%–68.9%), and positive predictive values (26.1%–38.3%) were overall poor. Applying a “single test” definition of impairment resulted in better negative predictive values using site-specific (92.3%–93.3%) than published norms (83.6%–86.2%), and a substantial increase in relative risk of incident dementia relative to published norms. Conclusions: Neuropsychologists should define “impairment” as scores below −1.0 or −1.5 SD on at least two within-domain measures when using published norms to interpret cognitive performance in adults with BD.
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 | 0,001 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».