Cogstate Brief Battery performance in assessing cognitive impairment in Taiwan: A prospective, multi-center study
Notice bibliographique
Résumé
BACKGROUND: Early detection and accessible monitoring of dementia are crucial for timely intervention. However, traditional neuropsychological assessments are resource-intensive, and with the growing aging population, scheduling delays increased. The Cogstate Brief Battery (CBB) offers a promising, rapid screening tool, though its validation in Mandarin-speaking populations has been limited. METHODS: This prospective, multi-center study assessed the validity of the CBB in distinguishing between mild cognitive impairment (MCI) and dementia compared to healthy controls (HC) in Taiwan. Participants from three tertiary medical centers underwent comprehensive cognitive evaluation using the CBB, including the Learning/Working Memory Brain Performance Index (Lrn/WM BPI), Attention/Psychomotor Brain Performance Index (Attn/Psychomotor BPI), combined BPI, and Brain Age. RESULTS: Of 192 participants (mean age 68.7 ± 8.2 years, mean education level 11.0 ± 3.9 years, 59.9% female), the CBB showed strong discriminatory power across groups. The combined BPI demonstrated the highest AUC (0.95) for distinguishing dementia from HC, followed by 0.92 for Lrn/WM BPI, 0.91 for Brain Age difference, and 0.88 for Attn/Psychomotor BPI. A combined BPI cut-off score of 41.25 effectively differentiated between HC and cognitive impairment groups. CONCLUSION: This first validation of the CBB in Mandarin-speaking populations highlights its utility as a reliable screening tool for early cognitive impairment detection. Its use could enhance timely diagnoses, helping to streamline clinical pathways and improve patient outcomes, addressing a critical gap in dementia care in Taiwan's healthcare system.
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 | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 | 0,001 |
| 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 ».