Dementia diagnosis inequality between high-income countries and Brazil: how challenging the diagnosis can be
Notice bibliographique
Résumé
Background: Early diagnosis is crucial for effective dementia management, but low- or middle-income countries, including Brazil, face disparities in diagnostic resources. Objectives: To assess diagnostic tools in specialized dementia care centers across Brazil. Methods: An online survey was conducted in July 2024, targeting medical specialists working in Brazilian dementia care centers. The survey collected data on infrastructure, cognitive tests, biomarker availability, and patients’ sociodemographic profiles. Results: Dementia specialists from 24 outpatient clinics across 10 states participated in this study. Most settings (87%) are part of the Public Health System. While patients’ age, sex, and education were consistently recorded, ethnicity (67%) and socioeconomic status (27%) were often omitted. Cognitive assessments rely heavily on the Mini-Mental State Examination (100%), Montreal Cognitive Assessment (66.7%), and Brief Cognitive Screening Battery (54.2%). Functional assessments rely on the Pfeffer Questionnaire (33.3%) and KATZ Scale (20.8%). Neuropsychiatric evaluations occur in 58.3%, mainly via the Geriatric Depression Scale. Only 29.2% assess dementia staging, and Clinical Dementia Rating is the primary tool. Neuropsychological and functional assessments were unavailable in 33.3 and 66.7% of clinics, respectively. CSF biomarkers were available in 29.2%; brain MRI was universal, while PET-FDG and PET-amyloid were rare. Discussion: Significant gaps and heterogeneity exist in dementia diagnostic practices in public facilities in Brazil. The predominance of cognitive screening over comprehensive evaluations underscores the need for standardized protocols. Conclusion: Expanding access to advanced tools and standardizing assessments are essential for improving dementia care in Brazil.
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 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».