A systematic review of the effectiveness of digital cognitive assessments of cognitive impairment in Parkinson’s disease
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.
Notice bibliographique
Résumé
Background: Digitalization in healthcare has been extended to how we examine and manage Parkinson’s Disease Mild Cognitive Impairment (PD-MCI). Methods: Moyer Population (those with PD and in some cases control groups), Intervention (digital cognitive test) and Outcome (validity and reliability) (PIO) and Campbell et al. Synthesis Without Meta-analysis (SWiM) methods were employed. A literature search of MEDLINE, PsycINFO, CINAHL, OpenGrey, and ProQuest Theses and Dissertations Sources screened for articles. Results: The digital trail-making test (dTMT) was the most used measure. There was strong validity between the dTMT and pencil-paper TMT, Mini-Mental State Examination (MMSE), and Montreal Cognitive Assessment (MoCA) scores (ranging from r = .55 to .90, p < .001). Validity between the TMT pencil-paper and digital versions were adequate (ranging from r = .51 to 90, p < .001). Reliability was demonstrated between PD and control groups’ scores (ranging from r = .71 to .87). One study found excellent inter-rater reliability (ICC = .90 to .95). The dMoCA was the most used screen that assessed more than two cognitive domains. There was a range in the strength of agreement between digital and pencil-paper versions (ICC scores = .37 to .83) and only one study demonstrated adequate validity (r = .59, p < .001). Poor internal consistency (α = .54) and poor test re-test reliability (between PD and control groups’ scores, p > .05) were found. Conclusion: This review found that digitalized cognitive tests are valid and reliable methods to assess PD-MCI. Considerations for future research are discussed.
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 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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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 découle