Validierung eines kurzen Testverfahrens (3MS-R) für die Erkennung der Alzheimer-Demenz
Bibliographic record
Abstract
Hintergrund: Der 3MS-R ist eine Version des Modifizierten Mini-Mental Status-Tests, der als ein kurzer Screeningtest zur Erkennung kognitiver Störungen entwickelt wurde und in den USA und in Kanada häufig verwendet wird. Ziele: Prüfung der Eignung des 3MS-R zur Unterscheidung zwischen kognitiv gesunden älteren Menschen und Patienten mit leicht- bis mittelgradiger Demenz bei Alzheimer-Krankheit (AK) in einer deutschsprachigen Population und Vergleich dieses Verfahrens mit dem herkömmlichen Mini-Mental Status-Test (MMST). Probanden: Die Studie bezieht sich auf 31 Patienten mit leicht- und 5 Patienten mit mittelgradiger Demenz bei AK sowie auf 46 kognitiv unauffällige gleichaltrige Probanden. Methode: Als Validierungsmaßstab diente die klinische Expertendiagnose auf der Grundlage einer ausführlichen diagnostischen Evaluation. Das 3MS-R Gesamtergebnis wurde entsprechend der Ausbildungsdauer des Patienten korrigiert. Die statistische Analyse der Ergebnisse wurde anhand einer Receiver-Operator-Characteristics-Analyse (ROC) durchgeführt. Ergebnisse: Die ROC-Kurven ergaben eine Überlegenheit des 3MS-R gegenüber dem MMST bei der Abgrenzung zwischen Patienten mit Demenz bei AK und kognitiv unauffälligen Probanden (Fläche unter der Kurve: 3MS-R vs. MMST: 0,995 vs. 0,953). Bei dem optimalen Grenzwert des 3MS-R für die Erkennung der Alzheimerdemenz, der 88 ist, erreichte der 3MS-R eine Sensitivität von 98 % und eine Spezifität von 94 %. Die deutsche Version des 3MS-R ist ein kurzes und praktisches, aber auch zuverlässiges Testverfahren zur Abgrenzung zwischen Patienten mit AK und kognitiv unauffälligen Probanden. Die Eignung der deutschen Fassung des Tests zur Erkennung Demenzen anderer Ätiologien und der leichten kognitiven Störung sollte in der Zukunft untersucht werden.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.020 | 0.039 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.004 | 0.001 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".