Training and Quality Assurance Procedures in the Asian Cohort for Alzheimer's Disease (ACAD) Study
Notice bibliographique
Résumé
BACKGROUND: The Asian Cohort for Alzheimer's Disease (ACAD) is a multi-site collaboration to identify genetic and lifestyle risk factors for Alzheimer's disease (AD) in individuals of Chinese, Korean, and Vietnamese ancestry living in the US and Canada. To address training and quality assurance (TQA) challenges for this multilingual, multicultural cohort, the TQA core aimed to educate and train ACAD team members using a multidirectional feedback model to develop quality control measures. METHODS: ACAD recruited Chinese, Korean, and Vietnamese individuals over the age of 60. Consensus diagnoses included normal cognition, mild cognitive impairment, or dementia. To ensure standardized administration of instruments and data quality, the TQA core developed a comprehensive training protocol, tailored specifically for data collection. An initial survey determined the specific role of each team member, including collection of biospecimen and clinical data, outreach, prescreening, data management and cognitive assessment. Study materials created in English, Mandarin, Cantonese, Vietnamese and Korean languages, included data collection packets, a neuropsychological instruction manual, and cognitive mock videos. For each role, ACAD members were required to demonstrate knowledge on training quizzes for certification. Quality assurance procedures (e.g., double scoring, timely re-certification) verify data accuracy and identify error susceptibility. An all-hands Case Diagnosis and Education Meeting (ACADEME) is co-organized with the Clinical core to review unique cases and discuss challenging experiences. RESULTS: To date, training completion rates for ACAD members are as follows: prescreening and outreach, (n = 17, 74%), data management (n = 13, 57%), and biospecimen collection (n = 14, 64%). Comparing pre- and post-training quiz scores revealed significant improvements after prescreening (p = 0.006), outreach (p <0.001), data management (p <0.001), and biospecimen (p <0.001) trainings. Challenges for training investigators and staff facing a multilingual, multicultural cohort centered on developing materials with detailed instructions and designing methods to communicate and evaluate accuracy and consistency throughout the ACAD study. CONCLUSION: ACAD stands as one of the largest dementia cohort studies among Asians in North America. Ensuring standardized administration and data quality and integrity is crucial for generating meaningful, reproducible scientific outcomes. This study highlights the value of rigorous training for large cohort studies and underscores its impact on the broader scientific community.
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 | 0,033 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».