Development and Implementation of PHC‐CST: A Cognitive Screening Tool for Early Detection of Dementia in Primary Health Care Settings in India
Notice bibliographique
Résumé
BACKGROUND: The increasing prevalence of dementia in India highlights the need for effective and accessible diagnostic tools in primary health care. Existing cognitive screening tools face cultural and logistical challenges, reducing their applicability in diverse settings. The objective of the study was to develop, validate, and evaluate the Primary Health Care Cognitive Screening Tool (PHC-CST) for the early detection of dementia, tailored specifically for use in resource-limited settings in India. METHODS: A single-stage study involving 97 participants aged 50 years and older was conducted at the Kaiwara Primary Health Care Centre in Karnataka, India. The PHC-CST was designed through a multi-phase process, involving extensive input from stakeholders, including nurses, doctors, and patients, to ensure cultural and contextual relevance. Validation measures included sensitivity, specificity, and inter-rater reliability, benchmarked against the Montreal Cognitive Assessment (MoCA). The tool features simplified language, contextually relevant tasks, and a scoring system adapted to local demographics. RESULTS: The PHC-CST demonstrated strong validity, with a sensitivity of 89% and specificity of 85% for detecting early dementia. Stakeholders reported high ease of use, minimal training requirements, and seamless integration into existing workflows. Compared to MoCA, PHC-CST improved diagnostic accuracy and reduced administration time. Qualitative feedback highlighted its cultural relevance and scalability in similar settings. CONCLUSION: The PHC-CST addresses critical gaps in dementia diagnosis within primary health care settings in India. Its culturally tailored design, ease of use, and robust diagnostic performance position it as a promising tool for early dementia detection, with the potential for broader application in low-resource environments.
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 | 0,022 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».