Digital health technologies in frontotemporal dementia: a scoping review
Notice bibliographique
Résumé
Frontotemporal dementia (FTD) is a neurodegenerative disorder characterized by progressive dysfunction in executive function, social cognition, and language, resulting from atrophy in the frontal and temporal lobes of the brain (Rohrer et al., 2011). With no cure currently available and increasing global pressure on healthcare systems due to rising costs and workforce shortages, technological innovation is seen as essential for improving FTD diagnosis and monitoring. Since FTD is a clinical diagnosis with a strong reliance on neuropsychological assessment (NPA) (Poos et al., 2020), digitalizing diagnostic tools is particularly relevant for assessing cognitive decline over time. In addition, research has shown that traditional pen-and-paper tests have limited sensitivity in detecting early cognitive decline in FTD (e.g. Poos et al., 2020; Jiskoot et al., 2021; de Boer et al., 2024; Poos et al., 2024; de Boer et al., 2025), highlighting the need for more sensitive cognitive assessment tools. Numerous technologies have been developed and tested to meet this need, yet a clear overview of these tools is lacking. This scoping review aims to provide a comprehensive overview of the current literature on digital health technologies used for examining cognitive functioning in frontotemporal dementia (FTD). Specifically, we will describe the state-of-the-art of digital health technologies for cognitive assessment in FTD, including results, feasibility, strengths, and limitations, and identify avenues for future research. This scoping review follows the PRISMA-ScR guidelines. A comprehensive literature search will be performed in multiple electronic databases. Titles and abstracts will be screened independently by three reviewers using predefined inclusion and exclusion criteria. Two reviewers will perform full-text screening of potentially relevant studies. A standardized data extraction form will be developed to collect relevant information from included studies. The extracted data will be synthesized, categorizing studies by type (i.e., eye tracking, active remote assessments, passive remote assessments). Results will be discussed, and implications for future research and clinical practice will be provided. With this scoping review, we aim to inform and guide future research projects toward the development, validation, and implementation of sensitive digital cognitive health technologies for FTD. Literature: De Boer, L., van den Berg, E., Poos, J. M., Klop, W., Giannini, L. A., De Houwer, J. F., ... & Jiskoot, L. C. (2024). Impairments in knowledge of social norms in presymptomatic, prodromal, and symptomatic frontotemporal dementia. Alzheimer's & Dementia: Diagnosis, Assessment & Disease Monitoring, 16(3), e12630. De Boer, L., Poos, J. M., Van Den Berg, E., De Houwer, J. F., Swartenbroekx, T., Dopper, E. G., ... & Jiskoot, L. C. (2025). Montreal Cognitive Assessment vs the Mini-Mental State Examination as a Screening Tool for Patients With Genetic Frontotemporal Dementia. Neurology, 104(5), e213401. Jiskoot, L. C., Poos, J. M., Vollebergh, M. E., Franzen, S., van Hemmen, J., Papma, J. M., ... & van den Berg, E. (2021). Emotion recognition of morphed facial expressions in presymptomatic and symptomatic frontotemporal dementia, and Alzheimer’s dementia. Journal of neurology, 268, 102-113. Poos, J. M., Jiskoot, L. C., Leijdesdorff, S. M. J., Seelaar, H., Panman, J. L., Van Der Ende, E. L., ... & van den Berg, E. (2020). Cognitive profiles discriminate between genetic variants of behavioral frontotemporal dementia. Journal of Neurology, 267, 1603-1612. Poos, J. M., van den Berg, E., de Boer, L., Meertens-Gunput, S., Dopper, E. G., Seelaar, H., & Jiskoot, L. C. (2024). Neuropsychological Profiles in Genetic Frontotemporal Dementia: A Meta-Analysis and Systematic Review. Aging and Disease, 16(3), 1378. Rohrer, J. D., & Warren, J. D. (2011). Phenotypic signatures of genetic frontotemporal dementia. Current opinion in neurology, 24(6), 542-549.
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 | 0,006 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,017 | 0,015 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».