Automated detection of cognitive impairment in clinical practice
Notice bibliographique
Résumé
OBJECTIVE: Cognitive impairment is now recognized as an impending public health crisis. About one-third of adults are concerned about their cognition, and the prevalence of objective cognitive impairment is much higher among those with neurological disorders. Existing screening tools are narrowly focused on detecting dementia in older adults and must be clinician-administered and scored, making them impractical for many neurology practices. This study examined the utility of a brief, self-administered, computerized cognitive screening tool, the Brief Assessment of Cognitive Health (BACH), in identifying cognitive impairment in adults. METHODS: 912 adults (ages 18-84) completed BACH and a neuropsychological battery. Multivariable models were developed to provide a BACH index score reflecting the probability of cognitive impairment for individual patients. Predictive accuracy was compared to that of the Montreal Cognitive Assessment (MoCA) in a subset of 160 older adults from a Memory Disorders clinic. RESULTS: The final multivariable model showed good accuracy in identifying cognitively impaired individuals (c = 0·77). Compared to MoCA, BACH had superior predictive accuracy in identifying older patients with cognitive impairment (c = 0·79 vs. 0·67) as well as differentiating those with MCI or dementia from those without cognitive impairment (c = 0·86 vs. c = 0·67). CONCLUSIONS: Results suggest that cognitive impairment can be identified in adults using a brief, self-administered, automated cognitive screening tool, and BACH provides several advantages over existing screeners: self-administered; automatic scoring; immediate results in health record; easily interpretable score; utility in wide range of patients; and flags for treatable factors that may contribute to cognitive complaints (i.e., depression, sleep problems, and stress).
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 |
| 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 ».