A 20-s Video-Based Assessment of Cognitive Frailty: Results from a Cohort Study within the Precision Aging Network
Notice bibliographique
Résumé
INTRODUCTION: Cognitive frailty, the concurrent presence of mild cognitive impairment and physical frailty, poses a significant risk for adverse outcomes in older adults. Traditional assessments that rely on extensive walking tests or specialized equipment are impractical for routine or remote evaluations. This study evaluated a 20-s video-based Upper Frailty Meter (vFM) test, incorporating dual-task conditions, as a feasible tool for identifying cognitive frailty. METHODS: Data from 413 participants aged 50-79 years in the Healthy Minds for Life cohort were analyzed across four sites: the University of Arizona, Johns Hopkins University, Emory University, and the University of Miami. Cognitive function was measured using the Montreal Cognitive Assessment (MoCA), whereas frailty indices were derived from the vFM test. Participants performed repetitive elbow flexion extension under single-task (physical task only) and dual-task (physical task with concurrent cognitive exercise) conditions. Frailty phenotypes, including slowness, weakness, and exhaustion, were quantified using AI-based video kinematic analysis. Logistic regression and receiver operating characteristic (ROC) analyses evaluated the model's predictive accuracy for cognitive frailty. RESULTS: Participants classified as cognitive frailty group (n = 53, 12.8%) demonstrated significantly higher frailty index scores compared to robust individuals (p < 0.001). Among all vFM-derived parameters, the dual-task slowness phenotype demonstrated the strongest correlation with MoCA scores (r = -0.282, p < 0.001) and emerged as the most predictive single marker for distinguishing the cognitive frailty group, demonstrating high clinical applicability (area under the curve [AUC] = 0.87). Combining single-task and dual-task metrics further enhanced predictive accuracy (AUC = 0.91), achieving sensitivity and specificity rates exceeding 85%. This combined approach significantly differentiated cognitive frailty from robust status, outperforming models based on age alone or single-task metrics. CONCLUSION: The 20-s vFM test offers a practical, noninvasive, easy-to-implement, and accessible solution for objectively evaluating cognitive frailty, demonstrating high predictive accuracy in distinguishing at-risk individuals. Its integration into telehealth platforms could enhance early detection and enable timely interventions, promoting healthier aging trajectories. Further longitudinal studies are recommended to validate its utility in tracking cognitive and physical decline over time.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».