Feasibility Analysis of the Computer-aided Language Assessment System in Measuring Cognitive-linguistic Impairment
Notice bibliographique
Résumé
Background Cognitive impairment prevalence is increasing as aging population grows in China, which greatly affects the quality of life of the sufferers. Currently, the screening forcognitive-linguistic impairment still relies on traditional neuropsychological scales, which are technically demanding, time-consuming, and poorly tolerant. Objective To explore the feasibility of the Computer-aided Language Assessment System (CLAS) in the measurement of cognitive-linguistic impairment. Methods Random sampling method was used to recruit 73 participants, among them 55 (75.3%) were stroke/brain injury patients〔with a baseline score of 10-20 on the Mini-Mental State Examination (MMSE) 〕hospitalized in Department of Rehabilitation Medicine, the First Hospital of Jinan University from March 2018 to March 2020, and the other 18 (24.7%) were healthy volunteers (consisting of undergraduate medicalinterns from Jinan University, family members and accompanying caregivers of the patients) . The CLAS, Montreal Cognitive Assessment Scale (MoCA) , MMSE and Aphasia Battery of Chinese (ABC) were used to evaluate the linguistic and cognition functions of the participants. The Spearman correlation was used to assess the correlation of the score of CLAS with that of MoCA and MMSE. A receiver operating characteristic curve (ROC) of CLAS was plotted to estimate its diagnostic value for cognitive-linguistic impairment, with sensitivity, specificity and accuracy being calculated as well. A satisfaction survey was conducted in 18 healthy volunteers to understand their satisfaction with the use of the CLAS. Results The total CLAS score was positively correlated with that of MMSE, and MoCA (rs=0.910, 0.884, P<0.05) .Compared with MoCA (total MoCA score <26) in combination with ABC in diagnosing cognitive impairment, the CLAS had an AUC of 0.733〔95%CI (0.632, 0.834) , P<0.001〕in identifying cognitive-linguistic impairment when the optimal cut-off value was set as 85 points, and the maximum Youden index was obtained, with 1.000 sensitivity, 0.703 specificity, and 0.931 (68/73) accuracy. The average satisfaction score of 18 healthy volunteers was (4.07±0.48) , indicating an overall satisfaction level of "satisfactory". Conclusion High participant satisfaction with the CLAS was obtained in this study. And as the CLAS has proven to have good validity and diagnostic accuracy, as well as good performance in identifying cognitive-linguistic impairment, it could be applied to the screening and identification of cognitive-linguistic impairment.
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 | 0,015 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| 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 | 0,001 | 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 ».