Building consensus on the utility of central and peripheral physiological markers for neuropsychiatric symptoms of dementia: a Delphi Study
Notice bibliographique
Résumé
Abstract Background Neuropsychiatric symptoms (NPS) of dementia are a heterogenous group of non‐cognitive symptoms and behaviors that occur in up to 90% of individuals with the condition. Characterizing NPS is a major issue and current methods are unreliable as they rely on subjective observations. Automatic identification of behaviors using central and peripheral physiological markers may be helpful to detect behaviors, allow for early intervention, and prevent critical incidents in patients with dementia. Methods This study will use a modified Delphi methodology to develop a guide for the use of central and peripheral markers that can be used for the detection, assessment, and monitoring of treatment response for persons with dementia exhibiting NPS in institutions. Experts including clinicians, educators, and researchers will be recruited internationally to participate as expert panellists. This study will review the current literature regarding the use of central and peripheral markers and NPS (e.g. wearable devices, mobile tracking devices, heart rate variability, skin conductance, and electroencephalography). A list of survey items will be developed and presented to the expert panellists for review and feedback. Survey items will also be refined accordingly based on panellist feedback. It is anticipated that there will be a total of 3 rounds of the modified Delphi process. Implications NPS can cause distress to patients and caregivers and increase the risk of injuries to the patients themselves and those in their vicinity. It is difficult for caregivers in care facilities or at home to continuously monitor the persons with dementia. If expert recommendations can be achieved about the use of markers for the detection, assessment, and monitoring of treatment response for NPS, clinicians will be able to better provide early intervention and deliver personalized treatment plans for persons with dementia exhibiting NPS.
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 | 0,334 | 0,300 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,009 | 0,003 |
| Études des sciences et des technologies | 0,006 | 0,007 |
| Communication savante | 0,006 | 0,009 |
| Science ouverte | 0,004 | 0,022 |
| Intégrité de la recherche | 0,005 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».