MétaCan
Menu
Retour à la cohorte
Enregistrement W4390201701 · doi:10.1002/alz.075327

Remote and in‐clinic digital cognitive screening tools outperform the MoCA to distinguish cerebral amyloid status among cognitively healthy older adults

2023· article· en· W4390201701 sur OpenAlexaboutno aff
Catherine Dion, Zachary J. Kunicki, Sheina Emrani, Jennifer Strenger, Alyssa N. De Vito, Karysa Britton, Karra Harrington, Nelson Roque, Martin J. Sliwinski, Stephen Salloway, Stephen Correia, Richard N. Jones, Louisa I. Thompson

Notice bibliographique

RevueAlzheimer s & Dementia · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueDementia and Cognitive Impairment Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMontreal Cognitive AssessmentCognitionTask (project management)Cognitive impairmentMedicineAudiologyGerontologyPsychologyPsychiatry

Résumé

récupéré en direct d'OpenAlex

Abstract Background Existing cognitive screening measures fall short in capturing preclinical AD, and cognitive impairment is unrecognized or misdiagnosed in 27‐81% of older adult primary care patients. Digital assessment technology has the potential to deliver more efficient and sensitive cognitive screening, but requires rigorous validation first. We aimed to determine the accuracy of remote (M2C2 mobile app) and clinic‐based (TabCAT and DCTclockTM) digital tests to distinguish between older adults with and without AD pathologic change. We used the Montreal Cognitive Assessment (MoCA) as a reference standard comparison test. Methods We recruited 73 cognitively normal participants with Aß PET status (Aß+, n = 25; Aß‐, n = 48, determined by clinical read) from the Butler Hospital Alzheimer’s Prevention Registry (mean age = 69.2 and education = 16.5; 71% female; 89% White). Participants completed M2C2 tasks at home 3 times per day for 8 days, followed by the TabCAT tasks, DCTclockTM, and MoCA at an in‐person study visit. We calculated the area under the curve (AUC) to compare cognitive task accuracy to distinguish Aß status. Multi‐day learning curves were used to examine differences in M2C2 task performance by Aß status over time. Results Among the M2C2 tasks, average performance on the Prices task (episodic memory) over 8 days showed the highest accuracy (AUC = .77) to distinguish Aß status. The Aß+ group tended to perform worse than the Aß‐ group on the Prices task over time (Figure 1). On in‐person screening measures (single time‐point), accuracy to distinguish Aß was greatest for the TabCAT Favorites task (AUC = .76), relative to the DCTclockTM (AUC = .72) and the MoCA (AUC = .71). Conclusions We showed that several brief digital screening approaches (memory‐specific tasks on the M2C2 and TabCAT) outperform the MoCA in distinguishing between cognitively healthy individuals with and without elevated cerebral Aβ. Although further validation in community and clinic‐based samples is needed, these results suggest that these digital cognitive assessments may be suitable for more widespread screening to detect early pathological changes in neurodegenerative disorders. Figure 1. M2C2 task performance over time (3 sessions daily for 8 days) by Aβ status.

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)0,002
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,042
Tête enseignante GPT0,335
Écart entre enseignants0,293 · 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'étudeObservationnel
Domainenon disponible
GenreMéthodes

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

En bref

Citations6
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAlzheimer s & DementiaMême sujetDementia and Cognitive Impairment ResearchTravaux en français237 207