An Ultra-Brief Informant Questionnaire for Case Finding of Cognitive Impairment Across Diverse Literacy: Diagnostic Accuracy Study
Notice bibliographique
Résumé
Background: Undiagnosed cognitive impairment poses a global challenge, prompting recent interest in ultra-brief screening questionnaires (comprising <2 to 3 items) to efficiently identify individuals needing further evaluation. However, evidence on ultra-brief questionnaires remains limited, particularly regarding their validity across diverse literacy levels. Objective: This study aimed to develop an ultra-brief questionnaire that performs well in detecting mild cognitive impairment or dementia (MCI/dementia) across diverse literacy levels and to compare its performance with an established questionnaire (the 8-item Informant Interview to Differentiate Aging and Dementia [AD8]). Methods: This diagnostic study involved 1856 participants aged ≥65 years (median education 10 y, range 0-23 y), prospectively recruited from community settings in Singapore. Participants and informants completed 15 cognition-related questions. MCI/dementia was diagnosed via a comprehensive assessment and consensus conference. The sample was randomly split 70/30-the training sample (70%) was used to derive an ultra-brief questionnaire from the 15 cognition-related questions (using an exhaustive search approach), and the test sample (30%) evaluated the area under the receiver operating characteristic curve (AUC). Results: The new questionnaire comprised 2 informant questions (ie, assistance with medications and worry about cognition), plus age and years of education. It demonstrated excellent performance in detecting MCI/dementia (AUC 85%, 95% CI 80%-90%), significantly better (P=.003) than a nested baseline model (comprising age and years of education; AUC 78%, 95% CI 73%-83%). In contrast, the AD8 had an AUC of 76% (95% CI 70%-83%), not significantly different (P>.99) from the baseline model. The questionnaire's performance was consistent across education subgroups and varying prevalence scenarios. Two optimal cutoffs were used-the lower cutoff provided 80% sensitivity and 96% negative predictive value, and the upper cutoff provided 99% specificity and 81% positive predictive value. A web-based calculator is available for public use. Conclusions: This ultra-brief questionnaire enables rapid screening for cognitive impairment (in <1 min) by family members or as part of community geriatric assessments. Its excellent performance across literacy levels supports its utility for case finding in diverse populations, including underserved communities and lower- and middle-income countries.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».