The Validity of a Smartphone-Based Application for Assessing Cognitive Function in the Elderly
Notice bibliographique
Résumé
Background/Objectives: The early detection of individuals at risk of cognitive impairment is a clinical imperative. With the recent advancement of digital devices, smartphone application-based cognitive assessment is considered a promising tool for cognitive screening and monitoring inside and outside the clinic. This study examined whether a smartphone-based cognitive assessment, Brain OK, was valid for evaluating cognitive performance and identifying people at risk of cognitive impairment. Methods: We recruited 88 study participants aged over 60. They completed two cognitive tests with the Montreal Cognitive Assessment (MoCA), a validated paper-and-pencil cognitive screening tool, and Brain OK, a smartphone-based cognitive testing application. To examine convergent validity, we conducted analyses of Spearman correlations between MoCA and BrainOK, a Bland–Atman plot with regression analysis, and the area under the curve (AUC). Results: There was a significant positive association between Brain OK and the MoCA total score, with a coefficient of 0.9044 (SE = 0.057, t = 15.750, p < 0.001). The Bland–Altman plot represented a reasonable level of agreement between the two tests. We conducted the AUC analysis of Brain OK to compare the cognitively normal and impaired groups. The AUC value for the Brain OK score of 13.5 was the highest at 0.941. The sensitivity and specificity were 0.958 and 0.925, respectively. Conclusions: The smartphone app-based Brain OK test was feasible for assessing cognitive function and acceptable for identifying subjects with cognitive impairment. The results suggest Brain OK complements traditional in-person cognitive assessments and may help enhance cognitive health dialogue between doctors and patients.
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 | 0,001 | 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 | 0,000 |
| 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 ».