Anosognosia in Alzheimer’s Pathology: Validation of a New Measure
Notice bibliographique
Résumé
OBJECTIVE: Two studies were performed to validate a brief measure of cognitive insight and compare it to an empirical model - the Cognitive Awareness Model (CAM). METHOD: A pilot study included 31 (52% male; Mage = 69.42) patients from an outpatient neuropsychological assessment clinic. Seven patients were diagnosed with likely Alzheimer's dementia (AD), 15 mild cognitive impairment (MCI), and 9 no diagnosis (i.e., cognitively normal; CN). The Cognitive Coding Form (CCF) and several other measures were administered. Study 2 entailed archival data extraction of 240 patients (80 CN, 80 MCI, and 80 AD; 53.3% female; Mage = 72.8) to examine whether the CCF predicts memory (Wechsler Memory Scale - IV) and executive functioning (Trail-Making Test B). RESULTS: The pilot study found preliminary evidence of convergent and discriminant validity for the 8-item CCF. Study 2 confirmed that both patient-reported cognitive concerns (F(2,237) = 10.40, p < .001, ω2 = .07, power = .99) and, more strongly, CCF informant-patient discrepancy scores (F(2,237) = 24.52, p < .001, ω2 = .16, power = .99) can distinguish CNs from those with MCI and AD. A regression indicated that depression (5.5%; β = -.38, p < .001) and TMT-B (13%; β = -.43, p < .001), together accounted for 18.5% of the variance in insight (R2 = .19, F(2,219) = 26.10, p < .001), supporting the CAM. CONCLUSIONS: These studies establish an efficient measure of insight with high clinical utility and inform the literature on the role of insight in predicting performance in those with Alzheimer's pathology.
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 | 0,009 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| 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 ».