Validation of a Computerized Cognitive Training Tool to Assess Cognitive Impairment and Enable Differentiation Between Mild Cognitive Impairment and Dementia
Notice bibliographique
Résumé
Background: Age-related cognitive decline is a chronic, progressive process that requires active clinical management as cognitive status changes. Computerized cognitive training (CCT) provides cognitive exercises targeting specific cognitive domains delivered by computer or tablet. Meanwhile, CCT can be used to regularly monitor the cognitive status of patients, but it is not clear whether CCT can reliably assess cognitive ability or be used to diagnose different stages of cognitive impairment. Objective: To investigate whether CCT can accurately monitor the cognitive status of patients with cognitive impairment as well as distinguish patients with dementia from patients with mild cognitive impairment (MCI). Method: We included 116 patients (42 dementia and 74 MCI) in final analysis. Cognitive ability was assessed by averaging the patient performance on the CCT to determine the Cognitive Index. The validity of the Cognitive Index was evaluated by its correlation with neuropsychological tests, and internal consistency was measured to assess the reliability. Additionally, we determined the diagnostic ability of the Cognitive Index to detect dementia using receiver operating characteristic (ROC) analysis. Results: The Cognitive Index was highly correlated with the Montreal Cognitive Assessment (r = 0.812) and the Mini-Mental State Examination (r = 0.694), indicating good convergent validity, and the Cronbach’s alpha coefficient was 0.936, indicating excellent internal consistency. The area under the ROC curve, sensitivity, and specificity of the Cognitive Index to diagnose dementia were 0.943, 83.3%, and 91.9%, respectively. Conclusions: CCT can be used to assess cognitive status and detect dementia in patients with cognitive impairment.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».