An Automated Mobile Cognitive Test for the Identification of Cognitive Impairment: A Cross-sectional Feasibility and Diagnostic Study
Notice bibliographique
Résumé
Objective: To develop Digital Processing Speed Test (DPST), a free, automated, multilingual, artificial intelligence-based cognitive testing application, with the aim to enhance recognition of cognitive impairment in underserved communities by leveraging mobile health to improve cognitive testing's accessibility. Patients and Methods: In this cross-sectional feasibility and diagnostic study, we determined the test performance of DPST for the identification of mild cognitive impairment (MCI) and dementia, compared with traditional cognitive tests, such as Mini-Mental State Examination (MMSE) and Montreal Cognitive Assessment (MoCA). The study was conducted from January 19, 2021, to November 12, 2023. In total, 476 adult participants were recruited by consecutive sampling at waiting areas of primary and secondary care clinics. The participants completed MMSE and MoCA with trained assessors and then performed DPST independently on a mobile device. The reference standard was a clinical diagnosis of MCI/dementia by a memory specialist blinded to the DPST score. Results: Area under the receiver operating characteristic curve analyses showed that area under the curves were similar for the 3 tests (MMSE, 0.862; MoCA, 0.888; DPST, 0.861). Likewise, sensitivity (DPST, 85.2%; MMSE, 85.2%; MoCA, 90.2%), negative likelihood ratio (DPST, 0.197; MMSE, 0.193; MoCA, 0.129), specificity (DPST, 75.0%; MMSE, 76.5%; MoCA, 76.2%), and positive likelihood ratio (DPST, 3.41; MMSE, 3.62; MoCA, 3.79) were similar. Conclusion: Digital Processing Speed Test, a free, automated, multilingual cognitive test conducted on a mobile device, has similar test performance to MMSE and MoCA. Nonetheless, DPST does not capture the multidomain cognitive deficits that characterize MCI/dementia. Moreover, test-retest reliability and interrater agreement of artificial intelligence-based handwriting recognition needs further confirmation.
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 | 0,004 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».