Ethnic Disparities in Clinical Presentation of Patients with Early-Onset Alzheimer’s Disease (P14-6.002)
Notice bibliographique
Résumé
Objective: N/A Background: Early-onset Alzheimer’s Disease (EOAD) affects patients younger than age 65 and may present with non-amnestic features. Black patients are half as likely to be diagnosed despite twice as many risk factors. Ethnic disparities in EOAD have not been fully characterized. Design/Methods: We retrospectively identified EOAD patients February 2017–February 2022 and collected data on ethnicity, level of education, Montreal Cognitive Assessment (MoCA) scores and clinical presentation. Results: Of 88 total patients, 60 (68.8%) identified as Caucasian/White and 28 (31.8%) identified as African American/Black. Age at diagnosis (years) was (57.3 ± 5.24) in Black patients compared to (55.9 ± 5.69) in White patients. Time to diagnosis (years) was on average longer in Black patients (5 ± 9.21) compared with White patients (3.5 ± 6.44) and Black patients were on average more advanced (total MOCA scores) at presentation (12.17 ± 6.91) compared with White patients (15.15 ± 5.92) despite similar education level (in years) among Black patients (14.71 ± 2.30) and White patients (15.21±3.00). An amnestic profile was more common in Black patients (19 or 67.9%) than non-amnestic presentations (9 or 32.1%), although 2 patients (7.14%) presented with visual symptoms suggestive of posterior cortical atrophy (PCA), 5 (17.9%) patients had prominent language symptoms suggestive of logopenic primary progress aphasia (l-PPA) and 1 (3.6%) patient had an executive presentation, suggestive of frontal variant of AD (fAD). Comparatively, non-amnestic presentations were more commonly diagnosed in White patients, with 11 (18.3%) PCA diagnoses, 10 (16.7%) patients with fAD and 8 (13.3%) patients with l-PPA. Conclusions: In our cohort, Black patients with EOAD are on average older, more advanced and experience longer delays in diagnosis than their White counterparts. Non-amnestic presentations are more common in White patients. Further work is needed to further characterize the barriers to diagnosis accessibility of care for Black patients with EOAD. Disclosure: Ms. Yang has nothing to disclose. Dr. Yoon has nothing to disclose. Ms. Covaciu has nothing to disclose. The institution of Dr. Seibert has received research support from Retirement Research Foundation. The institution of Dr. Seibert has received research support from Center for Healthcare Delivery Science and Innovation.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».