Diagnosis of Severity of Alzheimer’s Disease from Clinical notes in the Veterans Affairs Healthcare System
Notice bibliographique
Résumé
Abstract Background Alzheimer’s disease (AD) typically progresses in three stages: mild, moderate, and severe. Early detection improves patient care related to identification of suitable interventions and end‐of‐life planning. However, AD severity diagnosis is uncommon. The aim of this study is to identify Veterans in various stages of AD using clinical notes in the Veterans Affairs Healthcare System. Method Notes containing “Alz*” from fiscal year 2019 were identified then screened for information indicating a clinical diagnosis of probable AD. Screened notes with AD severity keywords (mild, moderate, severe, early, late, advanced) within four words of “Alz*” were considered as a severity diagnosis. Notes containing a single AD severity diagnosis were included in the study. Result 141,816 Veterans with 547,318 notes containing “Alz*” were identified as probable AD cases. Roughly 9% of notes contained at least one severity keyword and 6% of notes contained a single severity keyword. 34,181 notes with a single severity keyword from 14,148 Veterans were included in this study. The cohort comprised of 96% males and 78% identified as White with a mean age of 79. Ten percent of Veterans with an AD note included severity diagnosis. Approximately 19%, 12%, 18%, 20%, 3%, and 28% of severity notes contained mild, moderate, severe, early, late, and advanced, respectively. The mean age for Veterans with a mild, moderate, or severe AD diagnosis increased from 78 to 81. The mean age for early, late, and advanced AD patients increased from 74, 79, and 81, respectively. AD severity diagnosis was found in notes related to primary care (11%), internal medicine (10%), psychiatry (8%), mental health (7%), neurology (6%), geriatric (5%), neuropsychology (1%), and psychology (1%). Conclusion AD severity diagnosis is uncommon. Identification of patients in various stages of AD will lead to a better understanding of transition from one severity to another and facilitate the coordination of services to improve patient care. Specifically, identification of AD patients in the early stage may identify candidates for novel therapeutics focused on delaying AD progression.
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 | 0,001 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».