ADC value, Alzheimer, Montreal KORELASI APPARENT DIFFUSION COEFFICIENT VALUE GREY MATTER PADA MRI KEPALA DENGAN GANGGUAN KOGNITIF MENGGUNAKAN MONTREAL COGNITIVE ASSESSMENT (MoCA INA) PADA PASIEN USIA LANJUT
Bibliographic record
Abstract
Pendahuluan : Penyakit Alzheimer ditandai dengan perubahan kortikal yang luas, hilangnya neuron, munculnya plak senilis dan neurofibrillary tangles. Meskipun diagnosis definitif didasarkan pada pemeriksaan patologis, kemajuan terbaru dalam teknik pencitraan neurologis seperti magnetic resonance imaging (MRI), dapat berkontribusi untuk diagnosis dini gangguan kognitif ringan dan penyakit Alzheimer. Apparent diffusion coefficient (ADC) merupakan teknik MRI yang dapat mencerminkan gerakan molekuler air di dalam jaringan, sehingga memberikan informasi tentang integritas jaringan. ADC dapat berperan dalam mendeteksi atrofi cerebral tahap mikroskopis sehingga merupakan marker yang potensial untuk mendeteksi neurodegeneratif dini. Penelitian ini bertujuan untuk menilai korelasi ADC value grey matter pada MRI kepala dengan gangguan kognitif menggunakan Montreal Cognitive Assessment versi Indonesia (MoCA-INA) pada pasien usia lanjut.
 Metode: Desain penelitian cross-sectional dilakukan pada 30 pasien berusia lebih dari 45 tahun yang memenuhi syarat dan menjalani pemeriksaan MRI kepala. Dilakukan penilaian ADC value grey matter pada hipokampus bilateral. Setelah itu dilakukan pemeriksaan MoCA-INA untuk menilai fungsi kognitif pasien. Pasien dibagi menjadi 2 kategori yaitu normal, dengan terdapat gangguan fungsi kognitif. Korelasi antara ADC value grey matter pada MRI kepala dengan gangguan kognitif menggunakan MoCA-INA pada pasien usia lanjut dinilai dengan menggunakan uji korelasi Pearson. Penilaian sensitivitas dan spesifisitas dilakukan dengan pengujian Receiver Operator Characteristic (ROC) curve
 Hasil : Didapatkan paling banyak pasien dengan jenis kelamin perempuan (53,3%) dan rentang usia 50-59 tahun (36,7%) dan 60-69 tahun (33,3%). Didapatkan rerata nilai ADC pada hipokampus kanan sebesar 1312,9 ± 351,8 x 10-6 mm2/detik dan hipokampus kiri sebesar 1286,9 ± 292,6 x 10-6 mm2/detik. Terdapat peningkatan rerata ADC value pada hipokampus kanan dan kiri seiring dengan peningkatan usia. Terdapat korelasi positif bermakna antara ADC value pada hipokampus kanan dan kiri dengan skor MoCA. Tingkat sensitivitas dan spesifisitas tertinggi untuk memprediksi gangguan fungsi kognitif didapatkan pada nilai cut-off sebesar 1158,5 x 10-6 mm2/detik pada hipokampus kanan dengan sensitivitas 77,8% dan spesifisitas 75% dan sebesar 1163,0 x 10-6 mm2/detik pada hipokampus kiri dengan sensitivitas 88,9% dan spesifisitas 83,3%.
 Kesimpulan : Penelitian ini menunjukkan bahwa penilaian ADC value hipokampus dapat menjadi alat diagnostik untuk memprediksi gangguan fungsi kognitif dengan sensitivitas dan spesifisitas yang cukup baik
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.001 |
| Meta-epidemiology (narrow) | 0.002 | 0.002 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.001 | 0.003 |
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; both teacher heads agree on what is shown here.
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".