Wirksamkeit eines MCI-spezifischen computerisierten kognitiven Übungsprogrammes bei Personen mit MCI
Bibliographic record
Abstract
Hintergrund: Die Prävalenz dementieller Erkrankungen ebenso wie der leichten kognitiven Einschränkungen (MCI), die ein erhöhtes Konversionsrisiko zur Demenz aufweisen, ist in den letzten Jahren stetig gestiegen. Da aktuell keine evidenzbasierten pharmakologischen Interventionen zur Verfügung stehen, werden non-pharmakologische Interventionen in der Forschung bei Personen mit MCI forciert. Diese beinhalten unter anderem kognitives Training, das im Zuge der Digitalisierung meist computergestützt (CCT) durchgeführt wird. CCTs tragen dabei zu einer Verbesserung der kognitiven Fähigkeiten von Personen mit MCI bei. Die Wirksamkeit wird durch die Integration eines lernenden Systems unterstützt, das maschinelles Lernen nutzt, um die Übungen auf das optimale Leistungsniveau des Einzelnen abzustimmen und so ein personalisiertes Training zu ermöglichen. Zielsetzung: Evaluation eines neu entwickelten MCI-spezifischen CCT (iCCT) im Rahmen von zwei RCT-Studien hinsichtlich ihrer Wirksamkeit auf die kognitive Leistung einer Person mit MCI unter Einbezug einer aktiven Kontrollgruppe. Methode: Die Daten stammen aus der BrainFit-Nutrition Studie (BF-N; n=228) sowie der Pilotstudie MCI-CCT (n=89). Im Rahmen von MCI-CCT wurde lediglich das iCCT mit der aktiven Kontrollgruppe (bCCT) verglichen. Im Rahmen von BF-N wurde neben der kognitiven Intervention noch eine Ernährungsintervention durchgeführt (pflanzenbasierte Ernährung vs. Ernährung gemäß der DGE). Beide Studien wurden digital durchgeführt. Die kognitive Leistung wurde zu Beginn und nach sechs Monaten mit dem Montreal Cognitive Assessment (MoCA) erfasst. Die Auswertung der Auswirkungen des CCT auf die kognitive Leistung der Menschen mit MCI erfolgte mittels t-Tests für abhängige Stichproben sowie ANOVA und ANCOVA. Bei den BF-N Ergebnissen handelt es sich aktuell um erste deskriptive Analysen. Ergebnisse: In der Pilotstudie führten beide CCTs zu einem signifikanten Anstieg der durchschnittlichen globalen Kognition (CG:0,9 Pkt; IG:2,2 Pkt). In einem um Störfaktoren bereinigten multiplen Regressionsmodell war die Interaktion zwischen Zeit und Gruppe statistisch signifikant (F = 4.92; p = .029, partieller η2 = .057). In der BF-N Studie zeigte sich über alle vier Gruppen (Kombination der beiden Interventionsarme) hinweg eine signifikante Verbesserung der kognitiven Leistung (p < .001) um durchschnittlich ca. 2,2 Punkte. Allerdings wurde zwischen den vier Gruppen kein bedeutsamer Unterschied in der Änderung der kognitiven Leistung festgestellt. Auch im direkten Vergleich der beiden CCTs, unter Einbezug der Kombination mit einer Ernährungsintervention, zeigte sich kein Unterschied (Δ = 0,3 Pkt, n.s.). Implikation für Forschung und/oder (Versorgungs-)Praxis: Menschen mit MCI, die zu Hause leben, können ihre kognitiven Fähigkeiten innerhalb von sechs Monaten klinisch relevant verbessern, wenn sie dreimal pro Woche für 30 Minuten ein Multi-Tasking-CCT benutzen. Der Einsatz von maschinellem Lernen erhöht bei alleiniger Anwendung des CCT die Wirksamkeit des kognitiven Trainings und verbessert die Zufriedenheit der Nutzenden. Wird das CCT mit einer weiteren Interventionskomponente kombiniert, zeigt sich, dass die Sensibilisierung für die eigene Gesundheit gruppenübergreifend zu einer Verbesserung der kognitiven Fähigkeiten beiträgt und für alle vier Gruppen ein klinisch relevanter Anstieg der kognitiven Fähigkeiten erreicht werden kann.
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 | 0.016 | 0.037 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.004 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.014 | 0.002 |
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".