MétaCan
Menu
Retour à la cohorte
Enregistrement W6977186968 · doi:10.6084/m9.figshare.25656300.v1

Supplementary Material for: Longitudinal feasibility of the Montreal Cognitive Assessment (MoCA) in non-demented ALS patients

2024· dataset· en· W6977186968 sur OpenAlexaboutno aff

Notice bibliographique

RevueFigshare · 2024
Typedataset
Langueen
DomaineComputer Science
ThématiqueAdversarial Robustness in Machine Learning
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMontreal Cognitive AssessmentAmyotrophic lateral sclerosisCohortCognitionConfidence intervalCohort studyConfoundingLongitudinal study

Résumé

récupéré en direct d'OpenAlex

Introduction. The present study aimed at testing the longitudinal feasibility of the Montreal Cognitive Assessment (MoCA) in an Italian cohort of non-demented amyotrophic lateral sclerosis (ALS) patients. Methods. N=39 non-demented ALS patients were followed-up at a 5-to-10-month interval (M=6.8; SD=1.4) with the MoCA and the Edinburgh Cognitive and Behavioral ALS Screen (ECAS). Practice effects, test-retest reliability and predictive validity (against follow-up ECAS scores) were assessed. Reliable change indices (RCIs) were derived via a regression-based approach by accounting for retest interval and baseline confounders (i.e., demographics, disease duration and severity and progression rate). Results. At retest, 100% and 69.2% of patients completed the ECAS and the MoCA, respectively. Patients who could not complete the MoCA showed a slightly more severe and fast-progressing disease. The MoCA was not subject to practice effects (t(32)=-.80; p=.429) and was reliable at retest (ICC=.82). Moreover, baseline MoCA scores predicted the ECAS at retest. RCIs were successfully derived – with baseline MoCA scores being the only significant predictor of retest performances (ps<.001). Conclusions. As long as motor disabilities do not undermine its applicability, the MoCA appears to be longitudinally feasible at a 5-to-10-month interval in non-demented ALS patients. However, ALS-specific screeners – such as the ECAS – should be preferred whenever possible.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,022
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,755
Score d'incertitude au seuil0,349

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,022
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,7550,241

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.

Tête enseignante Opus0,035
Tête enseignante GPT0,338
Écart entre enseignants0,303 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshareMême sujetAdversarial Robustness in Machine LearningTravaux en français237 207