Development and Validation of an Interactive Game-Based Digital Cognitive Assessment Tool
Notice bibliographique
Résumé
Abstract Early screening and intervention are essential for mitigating cognitive decline, particularly for the prevention of Alzheimer’s disease (AD) through timely detection of mild cognitive impairment (MCI). Despite advances in digital assessments, barriers still limit their adoption among older Chinese adults. This study developed a digital cognitive assessment tool integrating gaming scenarios and Chinese cultural elements for screening MCI in China (IGD-CAT) and evaluated its concurrent and discriminative validity. A theoretical framework was established through literature review, expert panel, and Delphi survey, and IGD-CAT was created via interdisciplinary collaboration. A total of 218 participants from communities and hospitals completed traditional assessments followed by IGD-CAT and were classified as normal cognition (NC) or MCI. Concurrent validity was examined through correlations with Montreal Cognitive Assessment (MoCA) scores, and discriminatory validity was assessed using a random forest model. IGD-CAT comprises 14 tasks across seven domains: time orientation, attention, memory, language, calculation, visuospatial ability, and executive function. Among 196 participants (mean age 63.6 ± 5.81 years), 93 were classified as MCI and 103 as NC. Task scores correlated positively with MoCA (r = 0.140–0.387), while completion times correlated negatively (r=-0.476 to -0.168). The total IGD-CAT score correlated with MoCA (r = 0.529, P<.001), whereas total completion time correlated negatively (r=-0.549, P<.001). In the test set, the random forest model achieved 89.65% sensitivity, 96.55% specificity, and an AUC of 0.96. IGD-CAT covers multiple cognitive domains, is time-efficient, and age-friendly. With high sensitivity and specificity, it is suitable for application in primary care, community, hospital, and home 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 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 | 0,009 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».