Prevalence of Mild Cognitive Impairment and Alzheimer’s Disease Identified in Veterans in the United States
Notice bibliographique
Résumé
Background: Diagnostic codes can be instrumental for case identification in Alzheimer's disease (AD) research; however, this method has known limitations and cannot distinguish between disease stages. Clinical notes may offer more detailed information including AD severity and can complement diagnostic codes for case identification. Objective: To estimate prevalence of mild cognitive impairment (MCI) and AD using diagnostics codes and clinical notes available in the electronic healthcare record (EHR). Methods: This was a retrospective study in the Veterans Affairs Healthcare System (VAHS). Health records from Veterans aged 65 years or older were reviewed during Fiscal Years (FY) 2010-2019. Overall, 274,736 and 469,569 Veterans were identified based on a rule-based algorithm as having at least one clinical note for MCI and AD, respectively; 201,211 and 149,779 Veterans had a diagnostic code for MCI and AD, respectively. During FY 2011-2018, likely MCI or AD diagnosis was defined by≥2 qualifiers (i.e., notes and/or codes)≥30 days apart. Veterans with only 1 qualifier were considered as suspected MCI/AD. Results: Over the 8-year study, 147,106 and 207,225 Veterans had likely MCI and AD, respectively. From 2011 to 2018, yearly MCI prevalence increased from 0.9% to 2.2%; yearly AD prevalence slightly decreased from 2.4% to 2.1%; mild AD changed from 22.9% to 26.8%, moderate AD changed from 26.5% to 29.1%, and severe AD changed from 24.6% to 30.7. Conclusions: The relative distribution of AD severities was stable over time. Accurate prevalence estimation is critical for healthcare resource allocation and facilitating patients receiving innovative medicines.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».