Spatial cognition as an early cognitive Marker for Alzheimer's disease: evidence from NavegApp, an innovative serious game for cognitive assessment
Notice bibliographique
Résumé
Abstract Background Limited access to diagnostic technologies in low and middle‐income countries hinders the early detection of Alzheimer's Disease (AD). Advances in digital neuropsychology have enabled the development of tools like NavegApp, a serious game‐based platform that evaluates allocentric navigation, mental rotation, and visuospatial memory—domains affected during the preclinical and prodromal stages of AD. While previous studies have confirmed NavegApp's usability and content validity, further evidence of its construct validity and diagnostic accuracy is required to support its potential implementation in primary care settings. The analysis of cognitive changes during these early disease stages, particularly in individuals carrying causative mutations for early‐onset familial AD, is essential to advance the clinical utility of innovative digital cognitive markers. Therefore, the main objective of this study was to evaluate the construct validity and diagnostic accuracy of NavegApp's spatial cognition metrics across the AD spectrum. Method A retrospective observational study was conducted with 226 participants classified into five groups, including presymptomatic and symptomatic PSEN1‐E280A carriers. Construct validity was assessed by examining correlations between NavegApp metrics and standard neuropsychological assessments. Group performance differences were analyzed using effect size estimates, controlling for sex, education, and age, while diagnostic accuracy was evaluated using ROC curve analysis. Result NavegApp's spatial cognition metrics demonstrated moderate associations with general cognitive status, memory, and visuospatial domains. Diagnostic accuracy analysis revealed excellent discriminative capacity for identifying symptomatic PSEN1‐E280A carriers compared to asymptomatic participants, particularly in allocentric navigation (AUC‐ROC = 0.94–0.97). However, diagnostic performance for early preclinical detection was limited (AUC‐ROC = 0.66). In contrast, metrics showed acceptable accuracy for distinguishing sporadic MCI from healthy elder controls (AUC‐ROC = 0.77). Conclusion The findings demonstrate the feasibility of NavegApp as an innovative digital tool with potential applications in cognitive screening, particularly in underserved populations. Further research is needed to validate its clinical utility in broader settings and to explore the variability of cognitive changes across the AD spectrum. This evidence could inform its integration into clinical workflows for the preclinical and prodromal detection of AD.
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 | 0,004 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».