Diagnostic value of saccades in mild cognitive impairment: a community-based study
Notice bibliographique
Résumé
BACKGROUND: Accurate diagnosis and assessment of mild cognitive impairment (MCI) are essential. The efficacy of saccades in the detection of MCI lacks validation through large-scale clinical trials. METHODS: All eligible participants underwent saccadic assessment in four tasks and a cognitive assessment. MCI diagnoses were made on the basis of clinical indicators and MRI by experienced physicians. The physicians were blinded to the saccade experiments, and the operators of the saccade experiments were blind to the diagnosis of physicians. The classification models based on machine learning were constructed for assessing the diagnostic accuracy of MCI based on saccadic parameters. RESULTS: Of the 559 residents who consented to participate, 383 (153 with MCI and 230 controls) were completely assessed. The classification model trained by saccadic parameters achieved high accuracy in dissociating MCI and control with an area under the curve (AUROC) of 0.945 (95% CI, 0.924-0.964), sensitivity of 0.824 (95% CI, 0.769-0.886) and specificity of 0.904 (95% CI, 0.867-0.935). The parameters of the memory-guided and antisaccade tasks demonstrated better diagnostic efficacy. The saccade model also exhibited a good diagnostic value in patients with borderline cognition, being defined by the score of the Montreal Cognitive Assessment (MoCA). When the borderline cognition was defined as 23-27 of the MoCA score, the diagnosing accuracy of mild cognitive impairment based on saccadic parameters resulted in AUROC of 0.911 (95% CI, 0.836-0.972), sensitivity of 0.929 (95% CI, 0.762-1.000) and specificity of 0.796 (95% CI, 0.718-0.863). CONCLUSIONS: Saccades can distinguish MCI from controls with great accuracy, offering a sensitive and objective diagnostic aid of MCI, especially in participants with borderline cognition.
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 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 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 ».