MétaCan
Menu
Retour à la cohorte
Enregistrement W4320484657 · doi:10.1007/s12144-023-04281-1

Cognitive and behavioral abnormalities in individuals with Alzheimer’s disease, mild cognitive impairment, and subjective memory complaints

2023· article· en· W4320484657 sur OpenAlexaboutno aff
Samuel L. Warren, Edwina Reid, Paige Whitfield, A.M. Helal, Eid Abo Hamza, Richard Tindle, Ahmed A. Moustafa, Mohamed S. Hamid

Notice bibliographique

RevueCurrent Psychology · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueDementia and Cognitive Impairment Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPsychologyNeuropsychologyMontreal Cognitive AssessmentCognitionEpisodic memoryAudiologyNeuropsychological assessmentForgettingCognitive impairmentAlzheimer's diseaseDiseaseClinical psychologyCognitive psychologyNeuroscienceMedicineInternal medicine

Résumé

récupéré en direct d'OpenAlex

Abstract In this study, we investigated the ability of commonly used neuropsychological tests to detect cognitive and functional decline across the Alzheimer’s disease (AD) continuum. Moreover, as preclinical AD is a key area of investigation, we focused on the ability of neuropsychological tests to distinguish the early stages of the disease, such as individuals with Subjective Memory Complaints (SMC). This study included 595 participants from the Alzheimer’s Disease Neuroimaging Initiative (ADNI) dataset who were cognitively normal (CN), SMC, mild cognitive impairment (MCI; early or late stage), or AD. Our cognitive measures included the Rey Auditory Verbal Learning Test (RAVLT), the Everyday Cognition Questionnaire (ECog), the Functional Abilities Questionnaire (FAQ), the Alzheimer’s Disease Assessment Scale–Cognitive Subscale (ADAS-Cog), the Montreal Cognitive Assessment scale (MoCA), and the Trail Making test (TMT-B). Overall, our results indicated that the ADAS-13, RAVLT (learning), FAQ, ECog, and MoCA were all predictive of the AD progression continuum. However, TMT-B and the RAVLT (immediate and forgetting) were not significant predictors of the AD continuum. Indeed, contrary to our expectations ECog self-report (partner and patient) were the two strongest predictors in the model to detect the progression from CN to AD. Accordingly, we suggest using the ECog (both versions), RAVLT (learning), ADAS-13, and the MoCA to screen all stages of the AD continuum. In conclusion, we infer that these tests could help clinicians effectively detect the early stages of the disease (e.g., SMC) and distinguish the different stages of AD.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,097
Tête enseignante GPT0,435
Écart entre enseignants0,338 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations24
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent PsychologyMême sujetDementia and Cognitive Impairment ResearchTravaux en français237 207