Selecting a Brief Cognitive Screening Test Based on Patient Profile: It Is Never Too Early to Start
Notice bibliographique
Résumé
Introduction: Cognitive impairment, marked by a decline in memory and attention, is frequently underdiagnosed, complicating effective management. Cardiovascular risk factors (CVR) and anticholinergic burden (ACB) are significant contributors to dementia risk, with ACB often stemming from medications prescribed for neuropsychiatric disorders. This study evaluates cognitive profiles through three brief cognitive tests, analyzing the impact of CVR and ACB presence. Methods: This cross-sectional study was performed between 2019 and 2023 in community pharmacies and an outpatient clinic in Valencia, Spain. Eligible participants were patients with subjective memory complaints 50 years or older with clinical records of cardiovascular factors. Patients with conflicting information regarding diabetes diagnosis or not taking concomitant medications were excluded. Three brief cognitive tests (Memory Impairment Screening (MIS), Semantic Verbal Fluency Test, and SPMSQ) were assessed. CVR was calculated using the European SCORE2 table, and ACB was assessed using the CALS scale. Results: Among 172 patients with memory complaints and CVR factors, 60% failed at least one cognitive test. These patients were on significantly more medications and had higher blood pressure and HbA1c levels. An increase in CVR and ACB was associated with more failed tests. Additionally, elevated SCORE2 scores were associated with a greater failure rate on the MIS test, while patients with elevated ACB more frequently failed the SPMSQ test. Conclusions: Selecting an adequate brief cognitive test according to patients’ characteristics offers an opportunity to screen patients who are probably cognitively impaired. Whereas the MIS test may be helpful for patients with cardiovascular risk, SPMSQ stands out among patients with significant ACB.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».