Educational Bias in Cognitive Screening of Adults with Sickle Cell Disease: A Bilingual Multisite Observational Study
Notice bibliographique
Résumé
Cognitive impairment is a common and dreaded complication of sickle cell disease (SCD), profoundly affecting patients’ quality of life, education, and employment. Despite its significance, there is a striking lack of guidance on optimal screening strategies, with existing tools often skewed by biases related to language proficiency and educational background, leaving many patients undiagnosed and unsupported. The Rowland Universal Dementia Assessment Scale (RUDAS) was specifically designed for cognitive screening in multicultural populations. We hypothesized that in adults with SCD, RUDAS performance is less influenced by educational attainment when compared to the Montreal Cognitive Assessment (MoCA). We conducted a cross-sectional study of adults with SCD who underwent cognitive screening at the Henri-Mondor Hospital using RUDAS and MoCA. Educational attainment was scored as the years of schooling for the highest completed diploma (HLE). Abnormal RUDAS (<28) and MoCA (<26) scores were found in 55/73 (75.3%) and 52/73 (71.2%). Both scores increased significantly with HLE (p < 0.001). Adding 1 point for those with the HLE < 12 years significantly mitigated the effect of education on RUDAS but only partially for MoCA (p = 0.26 and p = 0.003). In an independent cohort of 252 adults, this adjustment for HLE significantly lessened the effect of education on RUDAS. These results suggest there is an educational bias in neurocognitive screening of adults with SCD. We propose that the RUDAS adjusted for HLE is a promising novel strategy to systematically identify those in need of comprehensive neurocognitive assessment.
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 | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».