Сучасні методи аналізу когнітивних функцій (огляд літератури, частина 1)
Bibliographic record
Abstract
Цитуйте українською у стилі Ванкувер: Маслова НМ, Булініна ОД. Сучасні методи аналізу когнітивних функцій (огляд літератури, частина 1). Експериментальна і клінічна медицина. 2024;93(1):56-68. https://doi.org/10.35339/ekm.2024.93.1.mab Архівовано: https://doi.org/10.5281/zenodo.14045093 Резюме У сучасній медицині приділяється особлива увага проблемам когнітивних порушень, які є розширеними та мають значний вплив на якість життя пацієнта. Когнітивні функції людини (пам'ять, мова, виконавча функція, абстрактне мислення, увага та візуально-просторові можливості) пов'язані з певними структурами мозку та специфікою взаємодії цих структур. Останнім часом проблеми додаткових (легких та помірних) когнітивних порушень приділяються більшому значенню практичних лікарів та дослідників. Спектр когнітивних порушень у літньому віці ширший і включає лише деменцію та хворобу Альцгеймера, а й менш тяжкі, більші когнітивні порушення. Доступні інструменти оцінки цих пошкоджень відрізняються від тих, що призначені для вивчення одного нейропсихологічного домену, до повного нейропсихологічного тестування. У цьому огляді представлений аналіз найпоширеніших сучасних методів вивчення стану когнітивних функцій у компонентах від класичних нейропсихологічних тестів (тест малювання годинника, тест Лурія, коректурний тест Бурдона, тест на завершення речення, шкала мінімальної оцінки психічного статусу, Монреальська шкала оцінки когнітивних функцій) до більш складних. , які використовують у репрезентативних на національному рівні популяційних дослідженнях. У статті обговорюються переваги та обмеження різних методик, з наголосом на необхідність комплексного підходу до оцінки когнітивних функцій, що необхідне для діагностики важких та легких когнітивних порушень, оцінки пошкодження мозку, визначення здатності приймати рішення та тестування на інтелектуальні порушення. Ключові слова: психофізіологічні тести, головний мозок, когнітивні порушення, скринінговий тест, деменція. Cite in English in Vancouver style: Maslova NM, Bulynina OD. Modern methods of cognitive functions analysis (literature review, part 1).Experimental and Clinical Medicine. 2024;93(1):56-68. https://doi.org/10.5281/zenodo.14045093 [in Ukrainian]. Archived: https://doi.org/10.5281/zenodo.14045093 Abstract In the field of modern medicine, there is a significant focus on addressing cognitive impairments due to their widespread prevalence and substantial impact on patients' quality of life. The human brain's cognitive functions are closely tied to a wide range of structural and functional characteristics of individual brain regions, as well as the specific interactions between these regions. When individuals engage in cognitive activities, such as solving complex tasks, the efficiency of processing and transmitting information between different brain areas becomes a key consideration. Each of these brain regions is meticulously designed to assess various neuropsychological functions, including memory, language, executive function, abstract thinking, attention, and visuospatial abilities. Recently, healthcare professionals and researchers have been increasingly focusing on pre-dementia (mild and moderate) cognitive impairments. The spectrum of cognitive impairments in the elderly is broad, encompassing not only dementia and Alzheimer's disease but also less severe, moderate cognitive impairments. Assessment tools vary, ranging from those designed to evaluate a single neuropsychological domain to comprehensive neuropsychological testing, which evaluates all neuropsychological domains. This review provides an analysis of the most common modern methods, including classical neuropsychological tests and the use of eye-tracking technology, which offers quantitative assessment and sensitive detection of cognitive impairments in conditions such as dementia, concussion, traumatic brain injuries, autism spectrum disorders, and attention deficit hyperactivity disorder, among others. The review also discusses the advantages and limitations of these methodologies, highlighting the necessity of a comprehensive approach to assessing cognitive functions. This comprehensive approach is crucial for diagnosing both severe and mild cognitive impairments, evaluating brain damage, determining decision-making capacity, and testing for intellectual disabilities. Keywords: psychophysiological tests, brain, cognitive disorders, screening test, dementia.
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 | 0.004 | 0.011 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.005 | 0.009 |
| Scholarly communication | 0.014 | 0.008 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.054 | 0.028 |
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".