Clinical utility of self- and informant-reported memory, attention, and spatial navigation in detecting biomarkers associated with Alzheimer disease in clinically normal adults
Notice bibliographique
Résumé
Abstract Objective: Preclinical Alzheimer disease (AD) has been associated with subtle changes in memory, attention, and spatial navigation abilities. The current study examined whether self- and informant-reported domain-specific cognitive changes are sensitive to AD-associated biomarkers. Method: Clinically normal adults aged 56–93 and their informants completed the memory, divided attention, and visuospatial abilities (which assesses spatial navigation) subsections of the Everyday Cognition Scale (ECog). Reliability and validity of these subsections were examined using Cronbach’s alpha and confirmatory factor analysis. Logistic regression was used to examine the ability of ECog subsections to predict AD-related biomarkers (cerebrospinal fluid (CSF) ptau181/Aβ42 ratio (N = 371) or hippocampal volume (N = 313)). Hierarchical logistic regression was used to examine whether the self-reported subsections continued to predict biomarkers when controlling for depressive symptomatology if available (N = 197). Additionally, logistic regression was used to examine the ability of neuropsychological composites assessing the same or similar cognitive domains as the subsections (memory, executive function, and visuospatial abilities) to predict biomarkers to allow for comparison of the predictive ability of subjective and objective measures. Results: All subsections demonstrated appropriate reliability and validity. Self-reported memory (with outliers removed) was the only significant predictor of AD biomarker positivity (i.e., CSF ptau181/Aβ42 ratio; p = .018) but was not significant when examined in the subsample with depressive symptomatology available (p = .517). Self-reported memory (with outliers removed) was a significant predictor of CSF ptau181/Aβ42 ratio biomarker positivity when the objective memory composite was included in the model. Conclusions: ECog subsections were not robust predictors of AD biomarker positivity.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».