MétaCan
Menu
← Retour à la cohorte
Enregistrement W4394200442 · doi:10.6084/m9.figshare.15073644

Supplementary Material for: Use of the Montreal Cognitive Assessment Thai Version to Discriminate Amnestic Mild Cognitive Impairment from Alzheimer’s Disease and Healthy Controls: Machine Learning Results

2021· dataset· en· W4394200442 sur OpenAlexaboutno aff
Solaphat Hemrungrojn, Sookjaroen Tangwongchai, Thammanard Charoenboon, Muthita Panasawat, Thitiporn Supasitthumrong, Pisit Chaipresertsud, Pacharaporn Maleevach, Yuttachai Likitjaroen, Kammant Phanthumchinda, Michaël Maes

Notice bibliographique

RevueFigshare · 2021
Typedataset
Langueen
DomaineMedicine
ThématiqueDementia and Cognitive Impairment Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCognitive impairmentMontreal Cognitive AssessmentCognitionDiseaseAudiologyPsychologyAmnesiaCognitive psychologyMedicineNeuroscienceInternal medicine

Résumé

récupéré en direct d'OpenAlex

Background: The Montreal Cognitive Assessment (MoCA) is an effective and applicable screening instrument to confirm the diagnosis of amnestic mild cognitive impairment (aMCI) from patients with Alzheimer’s disease (AD) and healthy controls (HCs). Objectives: This study aimed to determine the reliability and validity of the following: (a) Thai translation of the MoCA (MoCA-Thai) and (b) delineate the key features of aMCI based on the MoCA subdomains. Methods: This study included 60 HCs, 61 aMCI patients, and 60 AD patients. The MoCA-Thai shows adequate psychometric properties including internal consistency, concurrent validity, test-retest validity, and inter-rater reliability. Results: The MoCA-Thai may be employed as a diagnostic criterion to make the diagnosis of aMCI, whereby aMCI patients are discriminated from HC with an area under the receiver-operating characteristic (AUC-ROC) curve of 0.813 and from AD patients with an AUC-ROC curve of 0.938. The best cutoff scores of the MoCA-Thai to discriminate aMCI from HC is ≤24 and from AD > 16. Neural network analysis showed that (a) aberrations in recall was the most important feature of aMCI versus HC with impairments in language and orientation being the second and third most important features and (b) aberrations in visuospatial skills and executive functions were the most important features of AD versus aMCI and that impairments in recall, language, and orientation but not attention, concentration, and working memory, further discriminated AD from aMCI. Conclusions: The MoCA-Thai is an appropriate cognitive assessment tool to be used in the Thai population for the diagnosis of aMCI and AD.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,030
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,732
Score d'incertitude au seuil0,382

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,030
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,7320,230

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.

Tête enseignante Opus0,061
Tête enseignante GPT0,359
Écart entre enseignants0,299 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshare→Même sujetDementia and Cognitive Impairment Research→Travaux en français237 207→