Notice bibliographique
Résumé
Abstract Background As the US population of Asian Americans and Pacific Islanders (AAPI) over the age of 65 increases, the incidence of Alzheimer’s disease and related disorders (ADRD) in this group is expected to triple between 2008 and 2030. This group includes over 4 million Filipino Americans, who comprise the largest AAPI population in California and 10 other states. Although there is scarce literature detailing the prevalence of dementia among AAPI subgroups, one study found that Filipino Americans had the highest incidence rate of dementia (Mayeda et al., 2017). Despite the expected increase in the number of Filipino Americans with ADRD, no studies to‐date have validated neuropsychological measures in the United States for speakers of Tagalog (Filipino), one of the major languages spoken by Filipino Americans and the 4th most widely spoken language in the US. A major barrier to dementia care and diagnosis is the lack of linguistically and socioculturally appropriate cognitive tasks for Tagalog speakers. To address this need, we developed and piloted the Cognitive Assessment for Tagalog Speakers (CATS), the first neuropsychological battery for the detection of ADRD in Filipino American Tagalog speakers. Method We translated, adapted, and constructed de novo to measure performance across four main cognitive domains: visual/verbal memory, visuospatial functioning, speech and language, and frontal/executive functioning. Tasks were developed with a team of bilingual English/Tagalog and bicultural Filipino American/Canadian experts, including a neurologist, speech‐language pathologist, linguist, and neuropsychologist. Result To‐date, the CATS battery has been administered to 15 healthy control participants (age 61.8 ± 5.4 yrs, 5M/10F) at the University of California, San Francisco. These preliminary results show the feasibility of the measures but also demonstrated the need to consider effects of bilingualism, language typology, and cultural factors in the interpretation of results. Conclusion This project will lay the groundwork for norming and validation studies and will help solidify connections to a population that has been underrepresented in ADRD research. As we move towards treatment and cure of ADRD, linguistically and culturally appropriate cognitive tests become even more important for equitable care.
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 | 0,004 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».