Shanghai Cognitive Screening: A Mobile Cognitive Assessment Tool Using Voice Recognition to Detect Mild Cognitive Impairment and Dementia in the Community
Notice bibliographique
Résumé
BACKGROUND: A rapid digital instrument is needed to facilitate community-based screening of mild cognitive impairment (MCI) and Alzheimer's disease (AD) in China. OBJECTIVE: We developed a voice recognition-based cognitive assessment (Shanghai Cognitive Screening, SCS) on mobile devices and evaluated its diagnostic performance. METHODS: Participants (N = 251) including healthy controls (N = 98), subjective cognitive decline (SCD, N = 42), MCI (N = 80), and mild AD (N = 31) were recruited from the memory clinic at Shanghai Sixth People's Hospital. The SCS is fully self-administered, takes about six minutes and measures the function of visual memory, language, and executive function. Participants were instructed to complete SCS tests, gold-standard neuropsychological tests and standardized structural 3T brain MRI. RESULTS: The Cronbach's alpha was 0.910 of the overall scale, indicating high internal consistency. The SCS total score had an AUC of 0.921 to detect AD (sensitivity = 0.903, specificity = 0.945, positive predictive value = 0.700, negative predictive value = 0.986, likelihood ratio = 16.42, number needed for screening utility = 0.639), and an AUC of 0.838 to detect MCI (sensitivity = 0.793, specificity = 0.671, positive predictive value = 0.657, negative predictive value = 0.803, likelihood ratio = 2.41, number needed for screening utility = 0.944). The subtests demonstrated moderate to high correlations with the gold-standard tests from their respective cognitive domains. The SCS total score and its memory scores all correlated positively with relative volumes of the whole hippocampus and almost all subregions, after controlling for age, sex, and education. CONCLUSION: The SCS has good diagnostic accuracy for detecting MCI and AD dementia and has the potential to facilitate large-scale screening in the general community.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».