Online unsupervised performance-based cognitive testing: A feasible and reliable approach to scalable cognitive phenotyping of Parkinson's patients
Notice bibliographique
Résumé
INTRODUCTION: A better understanding of the heterogeneity in the cognitive and mood symptoms of Parkinson's disease will require research conducted in large samples of patients. Fully online and remote research assessments present interesting opportunities for scaling up research but the feasibility and reliability of remote and fully unsupervised performance-based cognitive testing in individuals with Parkinson's disease is unknown. This study aims to establish the feasibility and reliability of this testing modality in Parkinson's patients. METHODS: Sixty-seven Parkinson's patients and 36 older adults completed two sessions of an at-home, online battery of five cognitive tasks and three self-report questionnaires. Feasibility was established by examining completion rates and data quality. Test-retest reliability was evaluated using the Intraclass Correlation Coefficient (ICC (2,1)). RESULTS: Overall completion rates and data quality were high with few participant exclusions across tasks. With regards to test-retest reliability, intraclass correlation coefficients were quite variable across measures extracted from a task as well as across tasks, but at least one standard measure from each task achieved moderate to good reliability levels. Self-report questionnaires achieved a higher test-retest reliability than cognitive tasks. Feasibility and reliability were similar between Parkinson's patients and older adults. CONCLUSION: These results demonstrate that remote and unsupervised testing is a feasible and reliable method of measuring cognition and mood in Parkinson's patients that achieves levels of test-retest reliability that are comparable to those reported for standard in-person testing.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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 ».