Head‐to‐head comparisons of cognitive screening tests administered in primary care centers
Notice bibliographique
Résumé
Abstract Background Cognitive screening tests are often used in primary care to aid in the decision whether further investigation is needed. The most widely used tests, MMSE and the Clock Drawing Test (CDT), were developed more than 40 years ago and there is a need to update the primary care neuropsychological toolbox. The objective for this pilot study was to examine the diagnostic accuracy of AD for different cognitive tests administered at primary care centers. Method The BioFINDER Primary Care Study consecutively recruits patients with cognitive complaints (SCD, MCI, or mild dementia) at different primary care centers in Sweden. Cognitive tests are examined as well as plasma AD‐biomarkers. A test battery including MMSE, MoCA, CDT, Verbal fluency tests, TMT A and B, Symbol Digit Test, ADAS 10‐wordlist and Recall of Picture Test (RPT) are administered to all patients at their respective primary care center. Patients are then referred to a memory clinic where they undergo a full clinical work‐up (including neuropsychological assessment, lumbar puncture or Aβ‐PET, MRI and an examination by a physician specialized in dementia diseases) after which a diagnosis is made (blinded to the tests done in primary care). A clinical diagnosis of AD is supported by CSF or PET findings. The diagnosis of AD, either at the MCI or mild dementia stage, was here used as the dependent variable in logistic regression models with the different cognitive tests as predictors (adjusted for age, sex, education). Comparisons of AUC were performed using DeLong statistics. Result In this pilot study the first 276 recruited patients were analyzed (Table 1). Four tests, MMSE (AUC = 0.73, P <0.01), MoCA (AUC = 0.71, P <0.05), ADAS 10‐wordlist (AUC = 0.80, P <0.001) and RPT (AUC = 0.79, P <0.001), performed significantly better than the basic model (age, sex, education) in predicting a diagnosis of AD. Both the ADAS 10‐wordlist and RPT performed significantly better than MMSE (P <0.05). Adding the CDT to MMSE did not improve the AUC (0.73). Conclusion In a diverse population, as seen at primary care centers, brief tests of memory may provide better accuracy in detecting AD than standard of care tests as MMSE and MoCA.
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 | 0,007 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 ».