Self- versus caregiver-reported apathy across neurological disorders
Notice bibliographique
Résumé
Apathy is a prevalent and persistent neuropsychiatric syndrome across many neurological disorders, significantly impacting both patients and caregivers. We systematically quantified discrepancies between self- and caregiver-reported apathy in 335 patients with a variety of diagnoses, such as frontotemporal dementia (behavioural variant and semantic dementia subtypes), Parkinson's disease, Parkinson's disease dementia, dementia with Lewy bodies, Alzheimer's disease dementia, mild cognitive impairment, small vessel cerebrovascular disease, subjective cognitive decline and autoimmune encephalitis. Using the Apathy Motivation Index (AMI) and its analogous caregiver version (AMI-CG), we found that caregiver-reported apathy consistently exceeded self-reported levels across all conditions. Moreover, self-reported apathy accounted for only 14.1% of the variance in caregiver ratings. This apathy reporting discrepancy was most pronounced in conditions associated with impaired insight, such as behavioural variant frontotemporal dementia, and was significantly correlated with cognitive impairment. Deficits in memory and fluency explained an additional 11.2% of the variance in caregiver-reported apathy. Specifically, executive function deficits (e.g. indexed by fluency) and memory impairments may contribute to behavioural inertia or recall of it. These findings highlight the need to integrate patient and caregiver perspectives in apathy assessments, especially for conditions with prominent cognitive impairment. To improve diagnostic accuracy and deepen our understanding of apathy across neurological disorders, we highlight the need for adapted apathy assessment strategies that account for cognitive impairment particularly in individuals with insight or memory deficits. Understanding the cognitive mechanisms underpinning discordant apathy reporting in dementia might help inform targeted clinical interventions and reduce caregiver burden.
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 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 ».