MétaCan
Menu
Retour à la cohorte
Enregistrement W4404529889 · doi:10.1093/arclin/acae107

Longitudinal Patterns and Predictors of Cognitive Impairment Classification Stability

2024· article· en· W4404529889 sur OpenAlexafffund
Cynthia McDowell, Nicholas Tamburri, Jodie R. Gawryluk, Stuart MacDonald

Notice bibliographique

RevueArchives of Clinical Neuropsychology · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueDementia and Cognitive Impairment Research
Établissements canadiensUniversity of Victoria
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health ResearchNational Institute on AgingNational Institutes of Health
Mots-clésDementiaStability (learning theory)Longitudinal studyCognitionCognitive impairmentPsychologyLongitudinal static stabilityBaseline (sea)Cognitive psychologyDevelopmental psychologyClinical psychologyMedicineStatisticsMachine learningComputer scienceNeuroscienceMathematicsInternal medicineDisease

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: Classifications such as Cognitive Impairment, No Dementia (CIND) are thought to represent the transitory, pre-clinical phase of dementia. However, increasing research demonstrates that CIND represents a nonlinear, unstable entity that does not always lead to imminent dementia. The present study utilizes a longitudinal repeated measures design to gain a thorough understanding of CIND classification stability patterns and identify predictors of future stability. The objectives were to i) explore patterns of longitudinal stability in cognitive status across multiple assessments and ii) investigate whether select baseline variables could predict 6-year CIND stability patterns. METHOD: Participants (N = 259) included older adults (aged 65-90 years) from Project MIND, a six-year longitudinal repeated measures design in which participants were classified as either normal cognition (NC) or CIND at each annual assessment. A latent transition analysis approach was adapted in order to identify and characterize transitions in CIND status across annual assessments. Participants were classified as either Stable NC, Stable CIND, Progressers, Reverters, or Fluctuaters. Multinomial logistic regression was employed to test whether baseline predictors were associated with cognitive status stability patterns. RESULTS: The sample demonstrated high rates of reversion and fluctuation in CIND status across annual assessments. Additionally, premorbid IQ and CIND severity (i.e., single vs. multi-domain impairment) at baseline were significantly associated with select stability outcomes. CONCLUSIONS: CIND status was unstable for several years following baseline assessment and cognitive reserve may delay or protect against demonstrable cognitive impairment. Further, consideration of cognitive impairment severity at the time of initial classification may improve CIND classifications.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,090
Tête enseignante GPT0,438
Écart entre enseignants0,348 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueArchives of Clinical NeuropsychologyMême sujetDementia and Cognitive Impairment ResearchTravaux en français237 207