Evaluation of the NINDS-CSN 5-minutes protocol as a cognitive screening test to detect Parkinson’s disease dementia: a study of a Brazilian sample
Notice bibliographique
Résumé
Introduction: Many cognitive screening tests have been investigated for the diagnosis of Parkinson’s disease dementia (PDD), due to its prevalence and its interference in the evolution of the disease, quality of life and in the treatment response of the patients with Parkinson’s disease (PD). Therefore, more effective and faster cognitive screening tests are needed. Objectives: To evaluate the usefulness of the NINDS-CSN 5-minutes protocol assessment (NC5MPA) in PD patients as screening test for the detection of PDD, as well as to test if the association with the cube drawing test (CDT) can increase the test accuracy. Methods: A total of 98 patients with PD were evaluated using the NC5MPA, combined with the CDT, Mini Mental State Examination and the Montreal Cognitive Assessment (MoCA). These patients were also evaluated for mild cognitive impairment (MCI) and dementia by the Clinical Dementia Rating Scale (CDR). Results: There was a good correlation (with P value < 0.00) between the test scores and PDD, but the results of the 3 tests for MCI was > 0.05. The NC5MPA test has had sensitivity of 78.5%, specificity of 85.7%, accuracy of 82.6%, positive predictive value of 80.4% and negative predictive value of 84.2%, in addition to demonstrate an average performance time of 3.2 minutes (3.08–3.31). The association with the CDT has led to a little significant increase in sensitivity and has showed a decrease in specificity and accuracy, besides increase the test performance time. In assessing the interference of education level, the results were influenced by the small sample size of the 5 to 8 years of education group. Conclusion: The NC5MPA test has proven up to be a good screening test for PDD, being even faster and easier to perform, but more tests with larger populations are necessary to assess the accuracy of this test for MCI and to assess if there is interference of education level in the test accuracy.
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 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».