Rapid EEG‐Based Detection of Attentional Deficits in Mild Cognitive Impairment
Notice bibliographique
Résumé
Abstract Background Mild cognitive impairment (MCI) is a risk factor for dementia, where early detection improves outcomes through early lifestyle change interventions that may delay disease progression. Traditional methods for detecting MCI rely on clinical interviews, cognitive and functional assessments, and laboratory testing, which are resource‐intensive and require skilled administrators. As MCI prevalence grows with an aging population, there is a pressing need for accessible, efficient, and objective screening tools. Electroencephalography (EEG) is sensitive to cognitive dysfunction but is limited by the cost, time, and technical expertise required for traditional systems. Mobile EEG presents a promising alternative, offering quick and user‐friendly assessments. This study focuses on identifying attentional deficits, which are subtle in presentation but impactful on daily living. Method We evaluated 200 participants aged 64‐86, including 46 individuals diagnosed with MCI. Cognitive function was assessed using the Repeatable Battery for the Assessment of Neuropsychological Status (RBANS). Participants completed a simple mobile EEG task, the oddball paradigm, designed to elicit the N200 event‐related potential (ERP), which is associated with attentional processes. Multiple linear regression was used to examine the relationship between N200 amplitude and latency and RBANS attention index scores. Welch's t‐test was performed to assess group differences of N200 amplitude between MCI and healthy controls. Result N200 amplitude and latency were predictive of RBANS attention index scores ( R = 0.223). Additionally, MCI patients exhibited reduced N200 amplitude compared to healthy controls ( p < 0.05). Conclusion Our findings support the use of the N200 as a potential electrophysiological biomarker of attentional deficits in MCI. More importantly, they demonstrate the value of mobile EEG for efficient and accessible cognitive screening; our total testing time, including EEG setup, was less than seven minutes and required no technical expertise. This approach could enable scalable early detection of MCI, providing an opportunity for timely intervention in aging populations.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».