Clinical Characterization of Veterans With Alzheimer Disease by Disease Severity in the United States
Notice bibliographique
Résumé
PURPOSE: We aimed to examine the clinical characteristics of US veterans who underwent neurocognitive test score-based assessments of Alzheimer disease (AD) stage in the Veterans Affairs Healthcare System (VAHS). METHODS: Test dates for specific stages of AD were referenced as index dates to study behavioral and psychological symptoms of dementia (BPSD) and other patient characteristics related to utilization/work-up and time to death. PATIENTS: We identified veterans with AD and neurocognitive evaluations using the VAHS Electronic Health Record (EHR). RESULTS: Anxiety and sleep disorders/disturbances were the most documented BPSDs across all AD severity stages. Magnetic resonance imaging, neurology and psychiatry consultations, and neuropsychiatric evaluations were slightly higher in veterans with mild AD than in those at later stages. The overall average time to death from the first AD severity record was 5 years for mild and 4 years for moderate/severe AD. CONCLUSION: We found differences in clinical symptoms, healthcare utilization, and survival among the mild, moderate, and severe stages of AD. These differences are limited by the low documentation of BPSDs among veterans with test score-based AD stages. These data support the hypothesis that our cohorts represent coherent subgroups of patients with AD based on disease severity.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».