ADC value, Alzheimer, Montreal KORELASI APPARENT DIFFUSION COEFFICIENT VALUE GREY MATTER PADA MRI KEPALA DENGAN GANGGUAN KOGNITIF MENGGUNAKAN MONTREAL COGNITIVE ASSESSMENT (MoCA INA) PADA PASIEN USIA LANJUT
Notice bibliographique
Résumé
Pendahuluan : Penyakit Alzheimer ditandai dengan perubahan kortikal yang luas, hilangnya neuron, munculnya plak senilis dan neurofibrillary tangles. Meskipun diagnosis definitif didasarkan pada pemeriksaan patologis, kemajuan terbaru dalam teknik pencitraan neurologis seperti magnetic resonance imaging (MRI), dapat berkontribusi untuk diagnosis dini gangguan kognitif ringan dan penyakit Alzheimer. Apparent diffusion coefficient (ADC) merupakan teknik MRI yang dapat mencerminkan gerakan molekuler air di dalam jaringan, sehingga memberikan informasi tentang integritas jaringan. ADC dapat berperan dalam mendeteksi atrofi cerebral tahap mikroskopis sehingga merupakan marker yang potensial untuk mendeteksi neurodegeneratif dini. Penelitian ini bertujuan untuk menilai korelasi ADC value grey matter pada MRI kepala dengan gangguan kognitif menggunakan Montreal Cognitive Assessment versi Indonesia (MoCA-INA) pada pasien usia lanjut. Metode: Desain penelitian cross-sectional dilakukan pada 30 pasien berusia lebih dari 45 tahun yang memenuhi syarat dan menjalani pemeriksaan MRI kepala. Dilakukan penilaian ADC value grey matter pada hipokampus bilateral. Setelah itu dilakukan pemeriksaan MoCA-INA untuk menilai fungsi kognitif pasien. Pasien dibagi menjadi 2 kategori yaitu normal, dengan terdapat gangguan fungsi kognitif. Korelasi antara ADC value grey matter pada MRI kepala dengan gangguan kognitif menggunakan MoCA-INA pada pasien usia lanjut dinilai dengan menggunakan uji korelasi Pearson. Penilaian sensitivitas dan spesifisitas dilakukan dengan pengujian Receiver Operator Characteristic (ROC) curve Hasil : Didapatkan paling banyak pasien dengan jenis kelamin perempuan (53,3%) dan rentang usia 50-59 tahun (36,7%) dan 60-69 tahun (33,3%). Didapatkan rerata nilai ADC pada hipokampus kanan sebesar 1312,9 ± 351,8 x 10-6 mm2/detik dan hipokampus kiri sebesar 1286,9 ± 292,6 x 10-6 mm2/detik. Terdapat peningkatan rerata ADC value pada hipokampus kanan dan kiri seiring dengan peningkatan usia. Terdapat korelasi positif bermakna antara ADC value pada hipokampus kanan dan kiri dengan skor MoCA. Tingkat sensitivitas dan spesifisitas tertinggi untuk memprediksi gangguan fungsi kognitif didapatkan pada nilai cut-off sebesar 1158,5 x 10-6 mm2/detik pada hipokampus kanan dengan sensitivitas 77,8% dan spesifisitas 75% dan sebesar 1163,0 x 10-6 mm2/detik pada hipokampus kiri dengan sensitivitas 88,9% dan spesifisitas 83,3%. Kesimpulan : Penelitian ini menunjukkan bahwa penilaian ADC value hipokampus dapat menjadi alat diagnostik untuk memprediksi gangguan fungsi kognitif dengan sensitivitas dan spesifisitas yang cukup baik
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 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) | 0,005 | 0,002 |
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 ».