Neuropsychological evaluation of cognitive decline in Latin America
Notice bibliographique
Résumé
BACKGROUND: Investigating cognitive decline remains a challenge, especially due to regional differences. Latin American countries face disparities in access to healthcare, diagnostic tools, and treatments. Clinicians should actively inquire about cognitive decline complaints in patients, particularly those over 60 years of age. Cognitive and functional testing is crucial for evaluating patients with these complaints. METHOD: The implementation of quick, accessible, and easily scored screening tools that are less influenced by cultural and educational factors is recommended. RESULT: When cognitive decline is suspected, screening tools such as the 10-Point Cognitive Screener (10-CS) for patients and the Cognitive Change Questionnaire (QMC8) for caregivers are suggested; ideally, both should be administered. Additional cognitive assessment tools recommended for diagnosing mild cognitive impairment (MCI) and dementia include the Mini-Mental State Examination (MMSE), Montreal Cognitive Assessment (MoCA), Addenbrooke's Cognitive Examination-Revised/III (ACE-R or ACE-III), Rowland Dementia Assessment Scale (RUDAS), and Brief Cognitive Screening Battery (BCSB). Functional assessment tools, such as the Pfeffer Functional Activities Questionnaire (FAQ), should also be considered. If concerning results are observed, further clinical investigation is advised, including differential diagnoses and the exclusion of reversible causes. Regular patient follow-ups are essential, with cognitive status reassessed every six months to monitor changes and educate patients on modifiable risk factors for dementia prevention. CONCLUSION: In this presentation, will be provide a recommendation on best practices in detecting cognitive decline with an adaptation to the Latin American culture and combination of available resources.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».