Predicting conversion of patients with Mild Cognitive Impairment to Alzheimer’s disease using bedside cognitive assessments
Notice bibliographique
Résumé
INTRODUCTION: Patients diagnosed with Mild Cognitive Impairment (MCI) often go on to develop dementia, however many do not. Although cognitive tests are widely used in the clinic, there is limited research on their potential to help predict which patients may progress to Alzheimer's disease (AD) from those that do not. METHODS: MCI patients (n = 325) from the longitudinal Alzheimer's Disease Neuroimaging Initiative (ADNI-2) dataset were tracked across a 5 year period. Upon initial diagnosis, all patients underwent a series of cognitive tests including the Mini Mental State Examination (MMSE), Montreal Cognitive Assessment (MoCA) and Alzheimer's Disease Assessment Scale-Cognitive (ADAS-Cog 13). Twenty-five percent (n = 83) of those initially diagnosed with MCI subsequently developed AD within 5 years. RESULTS: We showed that those individuals that progressed to AD had significantly lower scores upon baseline testing on the MMSE and MoCA, and higher scores on the ADAS-13, compared to those that did not convert. However, not all tests were equivalent. We showed that the ADAS-13 offers the best predictability of conversion (Adjusted Odds ratio (AOR) = 3.91). This predictability was higher than that offered by the two primary biomarker Amyloid-beta (Aβ, AOR = 1.99) and phospho-tau (Ptau, AOR = 1.72). Further analysis on the ADAS-13 showed that MCI patients that subsequently converted to AD performed particularly poorly on delayed-recall (AOR = 1.93), word recognition (AOR = 1.66), word finding difficulty (AOR = 1.55) and orientation (1.38) test items. CONCLUSIONS: Cognitive testing using the ADAS-13 may offer a simpler, less invasive, more clinically relevant and a more effective method of determining those that are in danger of converting from MCI to 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 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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».