MétaCan
Menu
Retour à la cohorte
Enregistrement W7115728429 · doi:10.3390/diagnostics15243223

Development and Validation of the Short-Form BrainOK: An Efficient Digital Screening Tool for Mild Cognitive Impairment

2025· article· en· W7115728429 sur OpenAlexaboutno aff

Notice bibliographique

RevueDiagnostics · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueDementia and Cognitive Impairment Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCognitionTask (project management)Cognitive impairmentCognitive testIdentification (biology)PopulationMontreal Cognitive AssessmentTest (biology)

Résumé

récupéré en direct d'OpenAlex

Background/Objectives: Population aging requires scalable approaches for early identification of cognitive decline, particularly mild cognitive impairment (MCI). Although the full 11-task BrainOK smartphone assessment showed excellent discrimination (AUC = 0.941), its administration time constrains large-scale use. To develop and validate a brief Short-Form BrainOK (SF-BrainOK) that preserves diagnostic performance while substantially reducing testing time. Methods: We enrolled 168 community-dwelling older adults (≥60 years). MCI was defined using the Montreal Cognitive Assessment (MoCA; score ≤ 23) as the reference standard. Candidate tasks were selected from the original BrainOK via LASSO-based preselection. To maximize data utilization given the limited sample size, model performance was evaluated using Leave-One-Out Cross-Validation (LOOCV). The cut-off value was determined by maximizing Youden’s J. Results: The final two-task model combined executive function task (Rule-based Drumming I) and memory task (Password Memory I). On the independent test set, discrimination was robust (AUC = 0.783), with sensitivity = 0.75 (95% CI: 0.63–0.85, specificity = 0.71 (95% CI: 0.62–0.80, and accuracy = 0.765 (95% CI: 0.65–0.79) at the optimal cutoff. Conclusions: SF-BrainOK provides a brief, two-task digital screen that markedly reduces administration time while maintaining effective diagnostic performance. By targeting executive function and memory—domains repeatedly shown to be sensitive to early MCI-related change—SF-BrainOK supports scalable, opportunistic screening and the timely identification of at-risk individuals in resource-constrained settings.

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)0,004
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,013
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,030
Tête enseignante GPT0,329
Écart entre enseignants0,299 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreMéthodes

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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDiagnosticsMême sujetDementia and Cognitive Impairment ResearchTravaux en français237 207