Entraînement cognitif chez l'adulte âgé présentant des déficits cognitigs légers
Notice bibliographique
Résumé
Les Déficits Cognitifs Légers (DCL) constituent un syndrome reconnu au sein des différents milieux cliniques et scientifiques. Bien que plusieurs critères diagnostiques aient été proposés au fil des ans, les principaux incluent une plainte mnésique accompagnée d 'un trouble de mémoire objectivable en fonction de l 'âge et ce, en l'absence de démence, d' impact significatif au plan fonctionnel ou d 'une diminution globale du fonctionnement cognitif. L'intérêt premier d ' identifier les individus présentant des DCL réside dans le fait qu'ils soient particulièrement à risque de développer un syndrome démentiel dans les années subséquentes comparativement à des gens sans atteinte cognitive. Une fois identifiés, il devient donc possible de développer et de mettre en place des stratégies d'intervention visant spécifiquement cette population, tel qu'en avait pour objectif principal la présente thèse. Plusieurs chapitres adressant chacun un objectif bien défini composent ce travail doctoral. Après une introduction présentée au Chapitre l, le Chapitre II se veut une revue systématique des études ayant appliqué des programmes d'intervention cognitive auprès d'individus avec DCL et conclue en outre à une certaine efficacité des programmes analysées. Une critique méthodologique de même que des recommandations pour les études futures sur le sujet s'en dégagent. Ensuite, le Chapitre III constitue une étude pilote testant la faisabilité et l'acceptabilité d'un programme d'entraînement cognitif basé sur un paradigme d'apprentissage sans erreur. Deux individus présentant des DCL ont pris part à cette étude d'où ressortent des résultats positifs appuyant l'évaluation à plus grande échelle de ce type de protocole. C'est d'ailleurs ce que propose le Chapitre IV où une étude randomisée et contrôlée réalisée en simple aveugle auprès de 22 personnes âgées de 50 ans et plus avec DCL est présentée. Après six sessions d'entraînement cognitif, les résultats obtenus montrent que l~s deux groupes de participants s'améliorent de façon similaire sur une tâche d'associations noms-visages et ce, peu importe qu'ils soient soumis à une procédure d'apprentissage sans erreur combinée au rappel espacé ou bien à un apprentissage par essais et erreurs. Finalement, le Chapitre V analyse et critique l' enselnble des données recueillies dans le cadre de la présente thèse et discute en outre des perspectives de recherches futures.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».