MétaCan
Menu
Retour à la cohorte
Enregistrement W4406224872 · doi:10.1002/alz.090025

Assessment improved of cognitive impairment with artificial intelligence in the user‐web‐mobile application

2024· article· en· W4406224872 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

aboutLe titre ou le résumé porte un signal canadien du lexique géographique.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueAlzheimer s & Dementia · 2024
Typearticle
Langueen
DomainePsychology
ThématiqueCognitive Functions and Memory
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCognitive impairmentComputer scienceArtificial intelligenceCognitionHuman–computer interactionPsychologyNeuroscience

Résumé

récupéré en direct d'OpenAlex

Abstract Background The World Health Organization forecasts a population of 2,000 million people over 60 years by the year 2050, with 7% of this population suffering from dementia. Making a constant clinical‐technological evaluation of older adults allows early detection of the disease and provides a better quality of life for the patient. In this sense, the research and development of innovative technological systems for the early detection of the disease, its monitoring and management of the growing number of patients with cognitive diseases has increased in recent years, integrating data collection and its automatic processing based on geriatric metrics into these systems using artificial intelligence (AI) methods. Method This research presents an interactive web platform that allows users with any intelligent device with internet access, to remotely perform an automated assessment of the Montreal Cognitive Assessment (MoCA) test. We use AI and neural network methods for binary and multiclass classification to obtain assessment scores according to geriatric metrics. The application provides an automated evaluation of the MoCA test, which can then be validated remotely by a mental health specialist. Result The tests performed show a correct correspondence in the handling of the information and results of each MoCA item with respect to the database. For the test database evaluated with the application, results are obtained with 100% accuracy and equal to the evaluations performed by specialists. Conclusion This automated assessment provides great help to the medical specialist in the process of detection and evaluation of cognitive impairment, significantly improving the quality of healthcare. The management and organization for the follow‐up of the patient’s cognitive impairment is done through the information of the tests performed, their evaluation and the clinical history of each patient. This information is consulted and managed by the doctor for the patient’s follow‐up; the caregiver/family member has access to tests performed, their evaluation and all the follow‐up that the doctor gives to the patient. The interface was developed thinking in the elderly. It is intuitive, with the relevant information and graphic elements, the procedure for using the application is explained step‐by‐step, the colors used are comfortable for eye 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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,936
Score d'incertitude au seuil0,870

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,028
Tête enseignante GPT0,342
Écart entre enseignants0,314 · 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