Characterizing bidirectional transitions in mild cognitive impairment and post‐reversion based on longitudinal neuroimaging and cognitive assessments
Notice bibliographique
Résumé
INTRODUCTION: Characterizing transitions of cognitive state, including reversion from mild cognitive impairment (MCI) to normal cognition (NC) and subsequent cognitive stability or deterioration for post-reversion, has so far remained limited. METHODS: Using a retrospective cohort of subjects with an MCI diagnosis at study entry and at least two follow-up visits between 2005 and December 2022, we developed a functional multistate model framework to estimate longitudinal patterns of transition probabilities between different cognitive states. RESULTS: The probability of reversion increased from 2% at baseline to a maximum of 8% by year 10 before gradual decline thereafter. For post-reversion, the probability of progression to MCI rose from 8% to 35.71% at Year 10 and subsequently stabilized. DISCUSSION: The instantaneous risk of MCI progressing was similar to the risk of re-progression to MCI for post-reversion. Post-reversion subjects remained at an increased risk of cognitive deterioration. HIGHLIGHTS: The instantaneous risk of MCI progressing to AD is similar to the risk of re-progression to MCI for post-reversion. The FMSM we developed effectively utilizes multiple longitudinal markers to reveal variable transition patterns between different cognitive states. Considering both spatiotemporal dimensions and sparse irregularities from longitudinal neuroimaging and neuropsychological scales, fMLFPCA and MVFPCA help to extract variation patterns, to capture detailed changes characterizing the multidimensional evolution patterns of MCI.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».