Prospective observational study to evaluate the feasibility of the mobile app for mild cognitive impairment detection and screening
Notice bibliographique
Résumé
Introduction: The increasing prevalence of dementia in aging populations necessitates effective and accessible cognitive screening tools. This study aimed to evaluate the feasibility and reliability of a newly developed mobile app for detecting and screening mild cognitive impairment (MCI). Methods: The mobile app, developed by LifeQuest Co., Ltd. (Minato-ku, Tokyo), is an original tool inspired by the Japanese version of the Montreal Cognitive Assessment (MoCA-J). A prospective observational study was conducted with 20 participants, including healthy individuals, MCI patients, and those with mild to moderate-severe dementia. Participants completed both the mobile app and the MoCA-J in a randomized order within a two-week period, with a minimum one-day interval between tests. Results and conclusion: The intraclass correlation coefficient (ICC) between the mobile app and the MoCA-J was 0.956 (95% CI: 0.89-0.983), demonstrating a very high level of correlation. All participants successfully completed the mobile app assessment, highlighting its feasibility across various cognitive levels. Although minor technical issues and usability challenges were identified, the results support the mobile app as a reliable and user-friendly alternative for cognitive screening. Further studies with larger sample sizes are necessary to validate these findings and refine the app for broader clinical use.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».