Entraînement cognitif chez l'adulte âgé présentant des déficits cognitigs légers
Bibliographic record
Abstract
Les Déficits Cognitifs Légers (DCL) constituent un syndrome reconnu au sein des différents milieux cliniques et scientifiques. Bien que plusieurs critères diagnostiques aient été proposés au fil des ans, les principaux incluent une plainte mnésique accompagnée d 'un trouble de mémoire objectivable en fonction de l 'âge et ce, en l'absence de démence, d' impact significatif au plan fonctionnel ou d 'une diminution globale du fonctionnement cognitif. L'intérêt premier d ' identifier les individus présentant des DCL réside dans le fait qu'ils soient particulièrement à risque de développer un syndrome démentiel dans les années subséquentes comparativement à des gens sans atteinte cognitive. Une fois identifiés, il devient donc possible de développer et de mettre en place des stratégies d'intervention visant spécifiquement cette population, tel qu'en avait pour objectif principal la présente thèse. Plusieurs chapitres adressant chacun un objectif bien défini composent ce travail doctoral. Après une introduction présentée au Chapitre l, le Chapitre II se veut une revue systématique des études ayant appliqué des programmes d'intervention cognitive auprès d'individus avec DCL et conclue en outre à une certaine efficacité des programmes analysées. Une critique méthodologique de même que des recommandations pour les études futures sur le sujet s'en dégagent. Ensuite, le Chapitre III constitue une étude pilote testant la faisabilité et l'acceptabilité d'un programme d'entraînement cognitif basé sur un paradigme d'apprentissage sans erreur. Deux individus présentant des DCL ont pris part à cette étude d'où ressortent des résultats positifs appuyant l'évaluation à plus grande échelle de ce type de protocole. C'est d'ailleurs ce que propose le Chapitre IV où une étude randomisée et contrôlée réalisée en simple aveugle auprès de 22 personnes âgées de 50 ans et plus avec DCL est présentée. Après six sessions d'entraînement cognitif, les résultats obtenus montrent que l~s deux groupes de participants s'améliorent de façon similaire sur une tâche d'associations noms-visages et ce, peu importe qu'ils soient soumis à une procédure d'apprentissage sans erreur combinée au rappel espacé ou bien à un apprentissage par essais et erreurs. Finalement, le Chapitre V analyse et critique l' enselnble des données recueillies dans le cadre de la présente thèse et discute en outre des perspectives de recherches futures.
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 | 0.000 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.000 |
| 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".