Patient Characteristics, Disease Staging, and Diagnostic Testing Prior Initial Alzheimer’s Disease Diagnosis
Notice bibliographique
Résumé
BACKGROUND: The recent developments in Alzheimer's disease (AD) treatments have elucidated the importance of the timely and accurate diagnosis of AD. As clinical guidelines for the diagnosis of AD are further developed, biomarker testing and neuroimaging will become increasingly important. The purpose of this study was to explore the rates of diagnostic testing in patients newly diagnosed with AD. METHOD: This retrospective observational study used de-identified administrative claims and electronic health records (EHR) from the Optum Market Clarity™ Integrated Clinical + Claims Database to identify US adult commercial and Medicare Advantage enrollees with ≥1 claims for AD (first claim=index date) between 01/01/2020 and 09/30/2024. This dataset was further enhanced by the Optum Alzheimer's Disease Enriched Clinical Database which leverages validated natural language processing (NLP) methods to extract relevant AD data including cognitive test results (Mini-Mental State Examination [MMSE] or Montreal Cognitive Assessment [MoCA]). All enrollees had ≥360 days of baseline enrollment. Demographics, AD stage (from cognitive assessments), and biomarker/imaging were captured during the baseline period. RESULT: 4,306 patients met all inclusion criteria: baseline enrollment, cognitive assessment before AD diagnosis, and no AD diagnosis during baseline. Twenty-three percent of patients had "normal" cognitive test results, 40% had "mild," 30% had "moderate," and 8% had "severe." African American patients were more likely to be diagnosed in the moderate (41%) or severe (11%) stages compared to Caucasian patients (27% moderate, 7% severe). Additionally, Hispanic patients were more likely to be diagnosed in the moderate (41%) and severe (16%) stages compared to non-Hispanic patients (29% moderate, 7% severe). Finally, a low number of patients received biomarker testing (1% overall) or neuroimaging (3% overall) prior to their AD diagnosis regardless of AD stage. CONCLUSION: Enriching claims data with NLP-derived clinical values added important depth to this retrospective analysis. By identifying cognitive test results, we found racial and ethnic disparities in AD staging preceding a new AD diagnosis. We also found a suboptimal number of patients that received imaging to confirm their AD diagnosis regardless of stage. Future research is needed to better assess the impacts of suboptimal diagnostic testing.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».