Usefulness of the Visual Cognitive Assessment Test in Detecting Mild Cognitive Impairment in the Community
Notice bibliographique
Résumé
BACKGROUND: A delay in the detection of mild cognitive impairment (MCI) in the community delays the opportunity for early intervention. Accurate tools to detect MCI in the community are lacking. The Visual Cognitive Assessment Test (VCAT) is a visual based cognitive test useful for multilingual populations without the need for translation. OBJECTIVE: Here, we evaluate the usefulness of VCAT in detecting MCI in a community population in Singapore. METHODS: We recruited 301 participants from the community who completed a detailed neuropsychological assessment and 170 of them completed a 3T magnetic resonance imaging (MRI) brain scan. We performed a receiver operating characteristics analysis to test the diagnostic performance of VCAT compared to Montreal Cognitive Assessment (MoCA) in distinguishing MCI from cognitively normal (CN) by measuring area under the curve (AUC). To test for the association of VCAT with structural MRI, we performed a Pearson's correlation analysis for VCAT and MRI variables. RESULTS: We recruited 39 CN and 262 MCI participants from Dementia Research Centre (Singapore). Mean age of the cohort was 63.64, SD = 9.38, mean education years was 13.59, SD = 3.70 and majority were women (55.8%). VCAT was effective in detecting MCI from CN with an AUC of 0.794 (95% CI 0.723-0.865) which was slightly higher than MoCA 0.699 (95% CI 0.621-0.777). Among subjects with MCI, VCAT was associated with medial temporal lobe atrophy (ρ = -0.265, p = 0.001). CONCLUSIONS: The VCAT is useful in detecting MCI in the community in Singapore and may be an effective measure of neurodegeneration.
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 | 0,004 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».