Neuropsychiatric Symptoms Present Differently in Individuals with Different High-Risk States of Dementia
Notice bibliographique
Résumé
Introduction: Neuropsychiatric symptoms (NPS) are common in neurocognitive disorders. However, the differences in presentation of NPS in high-risk states for dementia such as mild neurocognitive disorder (Mild NCD) and remitted major depressive disorder (rMDD) remain unclear. The purpose of this study was to compare the frequency and factor structure of NPS in Mild NCD, rMDD, and Mild NCD with rMDD (Mild NCD-rMDD). METHODS: We analyzed baseline data from the multicenter Prevention of Alzheimer's Dementia with Cognitive Remediation plus Transcranial Direct Current Stimulation in Mild Cognitive Impairment and Depression trial (NCT0238667). NPS were assessed using the Neuropsychiatric Inventory Questionnaire in those with Mild NCD, rMDD, and Mild NCD-rMDD. We compared the NPS frequency and factor structure across the three groups. RESULTS: Among 374 participants with a mean (SD) age = 72.0 (6.3) years, the overall frequency of any NPS was highest in Mild NCD-rMDD (75.9%), as compared to Mild NCD (63.5%) or rMDD (55.7%) groups (p = 0.014). Depression/dysphoria was the most common NPS in all three groups. In factor analyses, NPS grouped into four factor structures in all three groups, but the composition of factors of individual symptoms (delusions, motor disturbances, nighttime behaviors, anxiety, and apathy) were different. CONCLUSION: NPS are common in high-risk states of dementia, and the frequency of NPS is higher in Mild NCD-rMDD as compared to only Mild NCD or rMDD. Further, there are key differences in presentation of NPS in Mild NCD, rMDD, and Mild NCD-rMDD. Future studies should investigate the relevance of these differences for cognition, function, and disease biomarkers. .
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 ».