Frequent Cognitive Tests Increase Power for Alzheimer’s Disease Clinical Trials
Notice bibliographique
Résumé
Abstract Background Many clinical trials use performance‐based cognitive or functional test results as primary outcome measures. As few as two measurements, typically pre‐ and post‐intervention, can be used to define a cognitive trajectory. Increasing the number and frequency of assessments can increase power to test the primary hypothesis. However, increased assessment frequency may be expensive and burdensome to participants and staff. Frequent neuropsychological testing may also introduce a practice effect or learning effect. Trials should be designed with attention to the costs and benefits of more frequent assessments. Method We conducted two clinical trials and performed Monte Carlo simulations. The Montreal Cognitive Assessment (MoCA) and the MCI Screen (MCIS) were used to assess cognition; the Functional Assessment Staging Tool (FAST) was used to assess function. In addition to simulated data, we employed data from the Coaching for Cognition in Alzheimer’s (COCOA) and Precision Recommendations for Environmental Variables, Exercise, Nutrition and Training Interventions to Optimize Neurocognition (PREVENTION) Trials. Result Effect sizes and measurement variability were similar between the two cognitive screens. More frequent assessments increased power to reject a null hypothesis The major factor driving this improved power was the influence of data from individuals withdrawing from or dropping out of the trial prior to trial end. More frequent testing captured more of the effect of the intervention over time in those individuals, and therefore, increased power for the entire study. The design of the MCIS with rotating word lists facilitated frequent testing without a learning effect. Hypothetically, a more frequently administered assessment might have less precision than a different assessment administered less frequently, and the unit costs of these assessments might differ. Under a wide range of parameters modeled in simulations, the advantages of more frequent testing outweighed decreases in the precision of individual assessments. Conclusion More frequent testing should be preferred in clinical trials. Use of shorter and/or remote tests may facilitate such frequency, reduce costs, and increase safety during pandemics. In addition to gains in statistical power, dense measurements have other benefits. They may also reveal non‐linear trajectories and better enable longitudinal analyses such as time dependencies and dose‐response 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 | 0,405 | 0,661 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,006 | 0,013 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,005 |
| Communication savante | 0,006 | 0,008 |
| Science ouverte | 0,003 | 0,006 |
| Intégrité de la recherche | 0,008 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,002 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».