Persistence of neuropsychiatric symptoms and dementia prognostication: A comparison of three operational case definitions of mild behavioral impairment
Notice bibliographique
Résumé
Abstract INTRODUCTION We compared three operational case definitions of mild behavioral impairment (MBI) in the context of MBI prevalence estimates and dementia risk modeling. METHODS Participants were dementia‐free older adults ( n = 13701) from the National Alzheimer's Coordinating Center. Operational case definitions of MBI were generated based on neuropsychiatric symptoms at one (OV), two‐consecutive (TCV), or more than two‐thirds (TTV) of dementia‐free study visits. Definitions were compared in prevalence and in Cox regressions using MBI to predict incident dementia. RESULTS OV MBI was the most prevalent (54.4%), followed by TCV (32.3%) and TTV (26.7%) MBI. However, OV MBI had the lowest rate of incident dementia (hazard ratio [HR] = 2.54, 95% confidence interval [CI]: 2.33–2.78) and generated poorer model metrics than TCV MBI (HR = 4.06, 95% CI: 3.74–4.40) and TTV MBI (HR = 5.77, 95% CI: 5.32–6.26). DISCUSSION Case ascertainment with longer timeframe MBI operational case definitions may more accurately define groups at risk of dementia in datasets lacking tools designed to detect MBI. Highlights Mild behavioral impairment (MBI) can identify older adults at risk of dementia. Neuropsychiatric symptom (NPS) assessment tools can be proxy measures for MBI. Hazard for dementia was highest for MBI defined by NPS presence at more than two‐thirds of visits.
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 | 0,032 | 0,077 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,004 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| 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 ».