Feasibility of longitudinal automated cognitive assessment in the stroke pathway
Notice bibliographique
Résumé
Abstract Background Stroke, post‐stroke dementia and post‐stroke cognitive impairment prevalence is rising significantly, placing an increasing burden on healthcare systems. Standardised pen and paper tools for cognitive assessment require clinical time. There is increasing research into the use of automated cognitive assessment. CognoSpeak (https://cognospeak.github.io/website/) is a fully automated cognitive assessment tool based in language an interaction. A virtual clinician asking questions and listening to responses using automatic speech recognition and Machine Learning algorithms. Methods Patients who passed the eligibility criteria of having recent acute stroke/TIA, and do not have pre‐existing dementia, severe aphasia, deafness, or too medically unwell were approached to consent to speak to CognoSpeak. Participants completed the CognoSpeak assessment on the ward or at home via a web‐version, as well as MOCA and GAD and PHQ9. Results Recruitment started December 2020 and we approached 950 people and recruited 114 participants, with 20 having 6 months follow‐up and 5 12 months follow‐up. The mean age was 61.77 (SD 15.07). Most participants were recruited from Sheffield 71 (68%).The majority had ischemic stroke (67%) & mild stroke according to the NHISS (63%). The most common risk factor was hypertension (19%), and the majority of participants had no symptoms of disability before their stroke (22%). GAD and PHQ9 scores were collected. Conclusion It is feasible to complete automated cognitive assessment with the stroke population. There remains barriers in utilising technology within this acute and especially longitudinal cognitive assessment in stroke survivors, where rates of anxiety in hospital and at follow‐up appointments may reflect rapid discharge and changes in the stroke pathway during the initial covid pandemic.
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 | 0,042 | 0,074 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,003 |
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 ».