Predicting the incidence of mild cognitive impairment with a computer-based cognitive assessment tool in community-dwelling older adults: The Otassha study
Notice bibliographique
Résumé
This study examined the ability of a computer-based cognitive assessment tool (CompBased-CAT) to predict mild cognitive impairment (MCI) in community-dwelling older adults. A two-year longitudinal study was conducted using data from 2016 to 2018 from the Otassha study cohort of community-dwelling older adults. MCI was defined as a Mini-Mental Status Examination (MMSE) score of <27. The CompBased-CAT was used at baseline, with each subtest score converted into a Z-score. Subsequently, the total Z-scores were calculated. Participants were divided into robust and MCI groups, and all variables were compared using the t-test or χ2 test. Receiver operating characteristic (ROC) curves and logistic regression analyses were conducted, with MCI and total Z-scores as dependent and independent variables, respectively. Among the 455 participants (median age, 72 years; range, 65-89 years; 282 women and 173 men), 32 developed MCI after two years. The participants in the MCI group were significantly older. They had lower maximal gait speed, baseline MMSE scores, subtest Z-scores, and total Z-scores than those in the robust group. The area under the ROC curve was 0.79 (95% confidence interval: 0.70-0.87; P <0.01). The sensitivity was 0.76, and the specificity was 0.75. The logistic regression analysis showed an odds ratio of 1.34 (95% confidence interval: 1.18-1.52; P <0.01). This study showed that CompBased-CAT can detect MCI, which is an early stage of dementia. Thus, CompBased-CAT can be used in future community health checkups and events for older adults.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».