Characterizing Navigational Changes in Preclinical Alzheimer’s Disease: A Route Complexity Metric Derived From Naturalistic Driving Data
Notice bibliographique
Résumé
OBJECTIVE: To examine how early pathophysiological changes in Alzheimer's disease (AD) affect navigational decision-making by analyzing the complexity of driving routes in older adults with and without preclinical AD. METHODS: We developed a novel route complexity metric based on the number of left and right turns and the deviation from the most direct path, accounting for cognitive load during navigation. Naturalistic GPS driving data were collected for a year from 111 older adults aged 65-85, with preclinical AD status determined via cerebrospinal fluid amyloid biomarkers. A multiple linear regression model was used to assess the relationship between age, preclinical AD status, and route complexity. RESULTS: The findings of this study indicate that preclinical AD may influence the navigational abilities of older adults. After controlling for age, participants with preclinical AD chose routes with higher baseline complexity than the control group. It further revealed that participants with preclinical AD selected routes with lower complexity as they aged-a trend not observed in healthy controls. CONCLUSION: Preclinical AD is associated with changes in spatial decision-making that are observable in real-world driving behaviours. The age-related decline in route complexity among those with preclinical AD may reflect compensatory strategies or progressive cognitive changes. CLINICAL IMPACT: This study presents a non-invasive, behaviour-based metric that could support early detection of cognitive decline. It may also inform the design of personalized mobility interventions and dementia-friendly mobility systems.
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 | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 ».