MétaCan
Menu
Retour à la cohorte
Enregistrement W4389259445 · doi:10.21203/rs.3.rs-3641432/v1

How does visual perception change for people with cognitive decline? A Scoping Review

2023· review· en· W4389259445 sur OpenAlexafffund
Habib Chaudhury, Elizabeth A. Proctor

Notice bibliographique

RevueResearch Square · 2023
Typereview
Langueen
DomaineMedicine
ThématiqueRetinal Imaging and Analysis
Établissements canadiensSimon Fraser University
Organismes subventionnairesMitacs
Mots-clésDementiaCognitive declineCognitionPsychologyVisual impairmentPerceptionAssociation (psychology)Cognitive impairmentClinical psychologyCognitive psychologyGerontologyDevelopmental psychologyMedicinePsychiatryDiseaseNeurosciencePsychotherapist

Résumé

récupéré en direct d'OpenAlex

Abstract Background Visual impairment and its associated functional limitations are a common experience of people living with cognitive decline; however, the underlying mechanisms are not fully understood. Identifying potentially modifiable risk factors for dementia and cognitive impairment is a vital step in developing effective sensory testing and intervention. Objective The current study is a scoping review of the literature investigating the association between visual changes and cognitive decline or dementia, and how this relates to functional difficulties. Design Online databases were searched to highlight relevant research from 2015-August 2022, of which we included 30 items in our final sample. Results The existing literature implicates visual impairment as a risk factor for cognitive decline, with 24 of the 30 studies reporting an association between visual impairment and cognitive decline. Conclusions Most of the studies found an association between visual impairment and cognitive decline, dementia, mild cognitive impairment or cognitive impairment-no dementia. Further research is needed to explore the mechanisms of action underpinning this relationship, including multiple measures of vision across various cognitive domains.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,026
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,026
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0050,004
Bibliométrie0,0090,007
Études des sciences et des technologies0,0010,001
Communication savante0,0030,003
Science ouverte0,0020,002
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,275
Tête enseignante GPT0,562
Écart entre enseignants0,287 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueResearch SquareMême sujetRetinal Imaging and AnalysisTravaux en français237 207