How can we facilitate adoption and scale for early detection of Alzheimer’s disease? Insights from implementing a community‐based screening program using cognitive assessments and RetiSpec screening in Ontario, Canada
Notice bibliographique
Résumé
Abstract Background A critical need to increase Alzheimer’s disease (AD) screening exists given rising incidence, new disease‐modifying treatments, and ill‐equipped primary care settings. This study assessed the feasibility of a novel, community‐based AD screening program to increase cognitive and retinal‐based assessments. Methods An observational study, supported by the Davos Alzheimer’s Collaborative, assessed the utility of leveraging community‐based settings to increase rates of cognitive assessment (conducted by Alzheimer Society (AS) social workers [SWs]) and RetiSpec’s AI‐based eye test in optometry settings to detect biologic signatures of AD (plus participant survey). Eligible participants were adults aged ≥55 years with self‐reported memory concerns. Primary and secondary endpoints were to increase cognitive assessment rates and have 10% of assessments originate from optometry, respectively. A utilization‐focused evaluation explored risks, benefits, facilitators, and barriers to these settings from frontline providers’ perspectives. Results N = 916 individuals were screened (60.2% from optometry) with N = 134 participants enrolled (age: 74.3 years±7.0; 63.7% female; 39.5% minority groups). N = 124 participants received cognitive assessments: 118 Montreal Cognitive Assessment (mean score: 24.7±3.7), 124 Boston Naming Test (13.3±2.0), 6 Mini‐Mental State Exam (18.7±5.7) and 6 Clock Drawing Test (1.2±1.2). N = 120 participants discussed their results with a clinician (37.9% with the NP). N = 25 dementia specialist referrals were made, N = 52 received an AD‐related diagnosis, along with medication prescription (N = 5), further medical investigation (N = 30) and clinical monitoring (N = 27). N = 99 underwent a RetiSpec scan (N = 65 predicted positive). Surveys (N = 71) demonstrated a positive scan experience (4.2±1.3/5) and unanimous interest in sharing results with a PCP (5.0±0.0/5). Endpoint 1 was met with 13.8 assessments/month completed versus 1.8/month in the pre‐study period. Endpoint 2 was met with 29.0% of assessments originating from optometry. Evaluation findings indicate that screening programs should consider: promoting brain health awareness in community settings; utilizing clinicians with AD training for screening and follow‐up activities; leveraging optometry clinics and AS’s to enable broad access to screening; and adopting technology that leverages existing infrastructure (i.e., RetiSpec’s eye test) to enable scalable increases to AD screening. Conclusions Utilizing community‐based settings, including optometry clinics for RetiSpec screening and AS SWs for cognitive screening, led to meaningful improvements in early detection and subsequent medical care.
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 | 0,017 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,012 | 0,003 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,005 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».