Study of the Spectrum of Treatable Dementias: Insights from a Large South Asian Cohort (TREAT-Dem Study)
Notice bibliographique
Résumé
ABSTRACT Background and Purpose: Dementia affects millions globally, with a subset of cases potentially reversible. This study evaluates the incidence, clinical markers and treatment outcomes of reversible dementias (ReDem). Method: This retrospective study included 370 ReDem cases from 1810 dementia patients. The ReDem cohort was split into potentially reversible dementias (PRD) and dual etiology (DE) groups. PRD encompassed secondary, potentially treatable dementia conditions, while DE included primary degenerative dementia (DD) with ≥1 uncontrolled comorbidity or new disease that worsened symptoms. Results: ReDem cases comprised 20.4% ( n = 370 out of 1810) of dementia patients, with ReDem patients being younger (mean 56.2 vs. 61.9 years, p < 0.001) and exhibiting shorter illness durations than DD patients ( p < 0.001). Key red flags, including young age (<45 years) at onset (DD = 8.6% vs. ReDem = 18.1%), fluctuation in symptoms (DD = 3.4% vs. ReDem = 11.6%), rapid cognitive decline (DD = 6.9% vs. ReDem = 18.4), high-risk exposures (DD = 0.1% vs. ReDem = 0.8%), high-risk behavior (DD = 0.1% vs. ReDem = 2.4%) and incongruent neuropsychological findings(DD = 1.0% vs. 12.7%), were significantly more frequent in ReDem cases ( p < 0.05). Odds increased with each red flag present (≥1: OR = 5.94; ≥2: OR = 20.69; ≥3: OR = 25.14, p < 0.05). Reversible etiologies included immune (20.0%), neuroinfectious (6.6%), psychiatric (7.6%), nutritional/metabolic (10.5%), neurosurgical (14.6%) and other causes (12.2%). Of the 41% (152/370) followed, 19 expired, 63.9% (85/133) reported subjective improvement, and 31.6% (42/133) showed clinical dementia rating improvement. Discussion and Conclusion: This large-scale study underscores the importance of comprehensive diagnostic evaluations for ReDem. Identifying and treating reversible conditions and comorbidities in DD can improve patient outcomes, emphasizing the need for thorough evaluations in memory clinics and targeted interventions in dementia care.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».