Sensitivity, specificity, and regression‐based norms for the digital version of the Neurocognitive Frailty Index
Notice bibliographique
Résumé
Abstract Background Integrating technology in the cognitive assessment process could help with dementia care and management (Astell et al., 2019). The aim of this research was to assess the sensitivity and specificity, as well as establish regression‐based norms, for the digital version of the Neurocognitive Frailty Index (NFI, Pakzad et al., 2017). Method The digital version of the NFI was administered alongside the Montreal Cognitive Assessment (MoCA) on 238 people aged 50+ recruited from various communities across the province of New Brunswick, Canada. Agreement for mild cognitive impairment (MCI) between the digital NFI and the MoCA were analyzed. Normative data for the digital NFI was also derived from the study sample by modeling the distribution of the raw test scores conditional upon the norm‐predictors (age, sex, and level of education). Result Mean digital NFI score and standard deviation was 56.3±5.91, while mean MoCA score and standard deviation was 26.4±2.89. Area under the curve (AUC) for detecting MCI with the digital NFI in comparison to recommended MoCA cut‐off of normal ≥ 26 was 0.89 (0.84‐0.93 95% confidence interval). The optimal digital NFI cut‐off score for MCI was normal ≥ 57 with sensitivity of 0.92 and specificity of 0.78. All predictors contributed to establishing regression‐based norms for the digital NFI as to calculate expected scores given the age, sex, and level of education of an individual. Conclusion Age, sex, and education should be considered when using the NFI assessment tool. This will be facilitated by the regression‐based calculator created from these results that will be imbedded into the digital version of the NFI. This will provide percentiles for a subject’s NFI score within a personalized report that is auto generated upon test completion within the online digital NFI platform. The study results attest to the robustness of the digital version of the NFI as a measure with significant sensitivity and specificity.
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 | 0,016 | 0,070 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».