Review of assessment methods for dementia
Notice bibliographique
Résumé
Abstract Background More than 50 million people worldwide live with various types of dementia, which incorporates a progressive decline in patients' cognition. Early detection of dementia in older adults is crucial and helps them apply for intervention programs. Numerous assessment methods have been developed to be used in clinical practice and help clinicians accurately detect dementia and diagnose its types. The recent advancement in the artificial intelligence domain has revolutionized the early detection of dementia and allowed clinicians to use AI‐based assessment technologies for detecting dementia at its very mild decline stage. The AI community aims to develop valid, efficient, practical, reliable, and accurate AI‐based assessment technologies to detect dementia; thus, to help the community, this paper reviews clinical assessment methods and recently developed AI‐based assessment technologies, particularly AI‐based language and speech assessment techniques. Moreover, it collects information about available datasets, python libraries for developing AI assessment methodologies to detect dementia. Method We have extracted around 300 peer‐reviewed articles from PubMed and MEDLINE related to AI‐based assessment technologies (i.e., focusing on automated language and speech‐based assessment methods) and cognitive, behavioral, neurophysiological, functional assessment methods. Result By reviewing more than 50 various clinical and AI assessment methods, we listed the advantages and limitations of clinical and AI assessment methods and available machine learning datasets, python scripts, and libraries to develop AI assessment methods to detect dementia. Conclusion The paper could provide valuable information for the AI community to have better progress in developing quick, accurate, multicultural, practical assessment technologies with high specificity and sensitivity. The paper can be beneficial for mental health clinicians to learn about known AI‐based assessment methods to detect dementia.
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 | 0,009 | 0,050 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,013 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,005 |
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 ».