Sensibilité et spécificité du Mini Cognitive Evaluation (MCE) dans le dépistage des troubles neurocognitifs légers
Notice bibliographique
Résumé
Introduction : la recherche liée au trouble cognitif léger (TCL) fournit des informations sur les mécanismes de la maladie au stade pré-démence et permet le développement d’examens complémentaires ayant pour but une détection précoce (PET-amyloïde, biomarqueurs du LCR). Cela a pour but d'établir des stratégies de prévention et de développer des interventions thérapeutiques et non thérapeutiques pour le TCL et la démence. Cependant, il n’existe pas à ce jour de test de dépistage suffisamment sensible et spécifique. Cette étude a pour but de déterminer si le MCE est supérieur au MMSE et au MoCA pour discriminer les patients des témoins. Matériel et méthode : la discrimination du MCE concernant le dépistage des TCL a été comparée au MMSE et au MoCA avec comme examen de référence diagnostic la batterie GRECogVASC, par analyse de régression logistique ajustée sur les facteurs de confusion (âge, niveau socio-culturel). Résultats : le MoCA est sélectionné pour discriminer les patients des témoins (n=91 ; OR : 0.618, IC95 % : 0.556-0.688 ; p=0.000) ; pour discriminer les patients AVC (n=45) des témoins (n=508) et les patients Dégénératifs (n=46) des témoins (n=508). On retrouve un effet plafond du MMSE et du MoCA alors que le MCE présente une distribution d’allure gaussienne. Discussion et conclusion : ces résultats ont montré que le MoCA est plus discriminant que le MCE et le MMSE. Cependant, les patients inclus dans la pré-étude du MCE étaient constitués d’AVC uniquement. Le calibrage du MCE semble trop stricte diminuant la capacité de discrimination du test. Il faudrait donc revoir les techniques de calibration d’autant plus que certains subtests semblent plus discriminants que d’autres.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».