Supplementary Material for: Development of the Story Telling Examination for Early Mild Cognitive Impairment (Pre-Mild Cognitive Impairment) Screening
Notice bibliographique
Résumé
Introduction: Cognitive function prior to mild cognitive impairment (MCI) has become a burgeoning interest. Tools used to detect this early period before MCI are being pilot-tested. This study aimed to develop a new test to detect pre-MCI and to examine its content validity and feasibility. Methods: The Story Telling Examination for Early MCI Screening (STEEMS), an audio cognitive test, was developed. It covers ten cognitive domains, e.g., executive function, language fluency, abstract reasoning. Face and content validity were examined by experts in geriatric psychiatry and psychology. The content validity index was 1.00. STEEMS comprised 12 items with 2–4 types of scoring. The tool was further examined in 16 pilot samples for feasibility among healthy participants having no cognitive impairment (Montreal Cognitive Assessment [MoCA] test score ≥25, Mini-Cog ≥3) and no depressive symptoms (Geriatric Depression Scale <6). Results: The 16 healthy older individuals aged 59–73 years, mean age was 65.06 ± 4.07 years, were predominantly males (68.8%). STEEMS scores ranged from 10 to 25, with a mean of 18.38 (SD = 4.2). Thirteen percent obtained 100% correct on the STEEMS, 63% scored 68–92% correct, and 25% scored 40–60% correct. The pre-MCI scores are illustrated by a bell curve’s graphical depiction, suggesting a normal distribution probability distribution. Correlation between STEEMS and MoCA test scores was observed. STEEMS showed to be feasible for early elderly or late adults as being brief and easy to understand. The time spent to administer was predictably less than 7 min. Discussion/Conclusion: STEEMS could potentially serve as a tool for pre-MCI screening. Further study and investigation in a larger population are required.
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 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,711 | 0,260 |
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 ».