Clinical importance in Alzheimer’s disease: effects of anchor agreement and disease severity
Notice bibliographique
Résumé
OBJECTIVES: Methods of evaluating clinically meaningful decline are critical in research on Alzheimer's disease. A common method of quantifying clinically meaningful change is to calculate an anchor-based minimal clinically important difference (MCID) score. In this approach, individuals who report a meaningful change serve as the "anchors", and the mean level of change for this group serves as the MCID. In research on Alzheimer's disease, there are several possible anchors, including patients, knowledgeable observers (e.g., a family member), and clinicians. The goal of this study was to examine the extent to which agreement among anchors impacts MCID estimation and whether this relationship is moderated by cognitive severity status. METHODS: Analyses were completed on a longitudinal sample of 2247 adults, aged 50-103, from the Uniform Data Set. Outcome measures included the Montreal Cognitive Assessment, Clinical Dementia Rating-Sum of Boxes, and Functional Activities Questionnaire. RESULTS: For all of the outcomes, the MCID estimate was significantly higher when meaningful decline was endorsed by all of the anchors compared to when there was disagreement among the anchors. In addition, the MCID estimate was higher with increasing severity of cognitive impairment. Finally, cognitive severity status moderated the influence of agreement among anchors on MCID estimation; as disease severity increased, anchor agreement demonstrated less influence on the MCID. CONCLUSIONS: MCID estimates based on one anchor may underestimate meaningful change, and researchers should consider the viewpoints of multiple anchors in constructing MCIDs, particularly in the early stages of cognitive decline.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».