Name: Une approche dapprentissage automatique pour concevoir un dépistage sélectif efficace de laffaiblissement cognitif léger (Vidéo) | JoVE Journal
Uploaded: 2020-01-11T12:00:00.000+00:00
Duration: 12 min 18 s
Description: Découvrez une méthode d'apprentissage automatique pour concevoir un dépistage sélectif et rentable de l'affaiblissement cognitif léger chez les personnes âgées. Cette approche cible les populations à risque.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

Ce travail a été rendu possible grâce au soutien de la Fondation Know Alzheimer et à l'aide du service de production multimédia de l'Universidad CEU Cardenal Herrera, en particulier Enrique Giner. Nous tenons à souligner le travail de toutes les pharmacies participantes (SEFAC), et les médecins collaborateurs de la Société des médecins de soins primaires (SEMERGEN) et la Société de neurologie (SVN) qui ont aidé avec les diagnostics MCI, en particulier Vicente Gassull, Rafael et Jordi Pérez. Enfin, nous remercions tous ceux qui ont accepté de participer à cette étude.

La méthodologie appliquée dans cette étude a déjà été publiée5 dans les travaux effectués à l'Université CEU Cardenal Herrera avec les pharmacies communautaires de la région de Valence (Espagne) associés à la Société espagnole de pharmacie familiale et communautaire (SEFAC). Cette étude en cours a été examinée et approuvée par le Comité d'éthique de la recherche de l'Universidad CEU Cardenal Herrera (approbation no. CEI11/001) en mars 2011. Toutes les personnes impliquées dans l'étude ont donné leur consentement écrit éclairé à la participation conformément à la Déclaration d'Helsinki.
1. Sélection des facteurs associés à une déficience cognitive légère
<ol><li>Rechercher les termes liés à l'ICM pour l'utilisation dans le dépistage Cochrane Systematic Reviews (p. ex., déficience cognitive, démence, facteurs de risque, etc.).</li>
	<li>Rechercher des termes pour lesquels il existe des preuves d'une relation avec la détérioration cognitive ou la démence publié dans la base de données PubMed; il s'agit notamment des facteurs démographiques (sexe, âge, niveau d'éducation et situation économique), des facteurs sociaux (activités cognitives et sociales), des pathologies chroniques (cholestérol, dépression, hypertension, diabète et obésité) et des comportements liés au mode de vie (alcool consommation, habitude de fumer, alimentation, activité physique et heures de sommeil).</li>
	<li>Calculer le rapport de cotes pour les variables qualitatives ou la taille de l'effet de Cohen pour les variables quantitatives15. Sélectionnez les variables avec des tailles d'effet plus grandes pour la détérioration cognitive ou la démence pour l'élaboration d'un questionnaire.</li>
</ol>2. Conception des questionnaires
<ol><li>Concevoir un questionnaire pour recueillir des informations sur les variables sélectionnées, selon les directives fournies par Nardi16. Par exemple, les variables utilisées dans Climent et coll.5 étaient démographiques (âge, poids et taille [mesurées avec des procédures normalisées à l'aide d'échelles et de stadiomètres calibrés], sexe, niveau d'éducation et type d'emploi), mode de vie (exercice physique, lecture, temps passé à dormir pendant la nuit et pendant la journée, puzzles, jeux, temps de consommation de télévision, et consommation de tabac et d'alcool), et pathologies chroniques (hypertension, hyperlipidémie et diabète). En outre, enregistrez la présence ou l'absence de dépression, qui est fréquemment associée à la détérioration cognitive.</li>
	<li>Concevoir une fiche de suivi de pharmacothérapie pour signaler tous les médicaments consommés par les participants au moment de l'entrevue, comme dans Climent et al.5, qui a utilisé la méthode17 de Dader pour concevoir cette feuille.</li>
</ol>3. Sélection des tests pour le dépistage MCI
<ol><li>Déterminer tous les tests utilisés pour dépister l'ICM qui pourraient être administrés par les travailleurs de la santé primaire (p. ex., les pharmaciens). Rejetez tous les tests qui doivent être administrés par un spécialiste. Certains des tests qui remplissent ces conditions sont le Court Portable Mental State Questionnaire (SPMSQ)18, Mini Mental State Examination (MMSE)19, Memory Impairment Screen (MIS)20, Picture Memory Impairment Screen (PMIS)21, Montreal Cognitive Assessment (MoCA)22, Saint Louis University Mental Status (SLUMS)23, et Quick Mild Cognitive Impairment (Qmci)24. Un examen exhaustif de chaque test MCI est disponible dans Cullen et al.25.</li>
	<li>Rechercher une bonne estimation des sensibilités et spécificités des tests dans la littérature scientifique.</li>
	<li>Estimer le temps nécessaire pour administrer ces tests à des personnes en bonne santé.</li>
	<li>Considérez les caractéristiques de base du patient requises pour l'achèvement de ces tests. Par exemple, un niveau d'éducation minimum peut être nécessaire parce que de nombreux tests MCI ne conviennent pas aux participants analphabètes. Un ensemble de tests de dépistage MCI est habituellement appliqué pour augmenter la sensibilité; toutefois, le nombre minimum de tests doit être rapidement administré par les pharmaciens si le dépistage sélectif final est destiné à une grande population. Climent et coll.5 ont évalué l'ICM à l'aide des tests MMSE et SPMSQ, ces derniers étant adaptés au grand nombre de personnes qui ont vécu la guerre civile espagnole et qui sont analphabètes.<ol>
<li>L'utilisation d'une variante du SPMSQ par Pfeiffer18 a été validée en espagnol par Martinez de la Iglesia26. Ce test a un score maximum de 10 et le point de coupure pour établir l'affaiblissement cognitif est 3 erreurs ou plus (4 ou plus pour les individus analphabètes). Ce test prend entre 8 et 10 minutes.</li>
		<li>Utilisez une version NORMACODERM du MMSE validée pour les hispanophones par Blesa27 en adaptant la version originale de Folstein19. Ce test de dépistage a un score maximum de 30 et est corrigé en fonction des années de scolarité et de l'âge des patients. Les participants qui obtiennent un score inférieur ou égal à 24 sont considérés comme des cas d'ICM. Le MMSE est une mesure de la fonction cognitive générale et comprend l'orientation vers le temps et le lieu, le langage écrit et parlé, la durée d'attention, le calcul et la mémoire. Il a été administré à tous les participants à cette étude parce qu'il s'agit d'un test très court qui ne prend qu'environ 5 minutes.</li>
	</ol>
</li>
</ol>4. Recrutement de sujets
<ol><li>Trouver des pharmaciens prêts à recruter des personnes non institutionnalisées pour former la population étudiée. L'étude mentionnée par Climent et coll.5 portait sur des personnes âgées de 65 ans ou plus qui se rendaient régulièrement à la pharmacie et qui acceptaient de participer à cette étude. Exclure les patients ayant des difficultés à effectuer ces tests d'évaluation (p. ex., en raison de la cécité, de la surdité, etc.) ou qui étaient déjà traités pour la démence.</li>
	<li>Fournir aux pharmaciens participants des formulaires de consentement éclairé, qui doivent être remplis par chaque personne participant à l'étude. Ce formulaire de consentement précise le titre de la recherche, les objectifs du projet, une explication compréhensible de toutes les procédures auxquelles le participant participerait, l'absence de risques spécifiques, la confidentialité de toutes les données collectées et le droit de se retirer de l'étude pour quelque raison que ce soit.</li>
	<li>Former les pharmaciens à administrer des entrevues personnelles structurées aux participants, qui devraient durer environ une demi-heure par personne. Recueillir des données pendant 1 an et envoyer tous les formulaires aux chercheurs responsables de la protection des données dans l'étude. Suivi par la suite avec les patients pendant 3 mois.</li>
	<li>Instruire les pharmaciens sur la façon d'identifier un cas probable d'ICM à l'aide de tests MCI. Sur la base de Climent et coll.5, nous avons utilisé des scores SPMSQ de 4 points ou plus (pour les participants analphabètes) ou 3 points ou plus pour les autres participants et des scores de 24 points ou moins ont été utilisés dans le test MMSE corrigé.</li>
	<li>Instruire les pharmaciens sur la façon de diriger les cas d'ICM à un médecin spécialiste (un neurologue) pour leur diagnostic clinique - la dernière étape du diagramme de débit utilisé dans cette étude de recherche (figure 1).</li>
</ol><img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/59649/59649fig1.jpg"> Figure 1 : Diagramme de flux de l'étude de recherche et du dépistage sélectif proposé. Le côté gauche représente l'étude initiale dont les données ont été analysées avec des techniques d'apprentissage automatique pour proposer le criblage sélectif pour la détection précoce de MCI montré dans le panneau droit. Ce chiffre a été modifié à partir de Climent34. <a href="https://www.jove.com/files/ftp_upload/59649/59649fig1large.jpg" target="_blank">Veuillez cliquer ici pour voir une version plus grande de ce chiffre.</a>
5. Formation des chercheurs pharmaciens
<ol><li>Communiquez avec des spécialistes pour organiser des séances de formation des pharmaciens participants aux connaissances de base liées aux déficiences cognitives et à la gestion de ses outils de dépistage, par exemple le SPMSQ et le MMSE.</li>
	<li>Assurez-vous que les pharmaciens participants sont au courant des procédures, du protocole de collecte de données et de toutes les questions possibles liées à la protection des données. Informez-les que le projet a été approuvé par un comité d'éthique de la recherche et de l'importance du formulaire de consentement conformément à la Déclaration d'Helsinki. REMARQUE : Pour réaliser l'étude décrite par Climent et coll.5, des ateliers ont eu lieu à l'Ordre officiel des pharmaciens et à l'Université Cardenal-Herrera CEU (UCH-CEU), et ont couvert les éléments suivants : MCI et démence; approches diagnostiques de l'ICM et de la gestion du SPMQP et du MMSE (enseignés par le Service de neurologie de l'hôpital La Plana à Castellon); présentation du projet et explication de la méthodologie par les chercheurs principaux des pharmaciens communautaires; et l'éducation à la santé et la formation cognitive par des chercheurs du Département de pharmacie de l'Université UCH-CEU.</li>
</ol>6. Conception d'étude
<ol><li>Calculer la taille d'un échantillon pour évaluer la faisabilité du projet. Comme il s'agissait d'une étude observationnelle, un échantillon plus important produira des outils plus efficaces. Il y a deux façons de déterminer la taille de l'échantillon : l'une est basée sur l'estimation de la prévalence et l'autre est plus précise, en tenant compte de la taille des effets.<ol>
<li>Calculer une estimation précise de la prévalence de la maladie dans la population <img src="/files/ftp_upload/59649/59649eq1.jpg"> où est le niveau d'importance, p0 est l'estimation initiale et l'erreur est l'erreur maximale attendue avec une confiance de 100(1 - ) %.</li>
		<li>Selon les tailles d'effet trouvées dans la littérature pour chaque facteur, utilisez des outils comme le paquet de pwr dans R pour estimer combien de puissance est nécessaire pour détecter les différences15,28. REMARQUE : Par exemple, dans notre étude5, nous avons conçu la première proposition avec une erreur de 3 % à 95 % de confiance et une estimation initiale de la prévalence de l'ICM à 15 % de la population âgée de 65 ans ou plus, ce qui a donné lieu à une estimation de la taille de l'échantillon requis de 541 personnes.</li>
	</ol>
</li>
</ol>7. Réseau de communication interdisciplinaire, pharmaciens, médecins de soins primaires et spécialistes
<ol><li>Concevoir des lettres pour communiquer des informations sur le projet aux centres de santé concernés.</li>
	<li>Expliquez aux pharmaciens participants comment informer les médecins qui leur ont été assignés des résultats des dépistages par le biais d'une lettre adressée au centre de soins primaires.</li>
	<li>Envoyer des communications écrites aux coordonnateurs médicaux des centres de santé liés aux pharmacies participantes et aux services de neurologie des hôpitaux auxquels ils sont affectés.</li>
	<li>Communiquez avec les neurologues participants pour connaître le diagnostic définitif de chaque patient obtenu au moyen de tests spécifiques effectués par des fournisseurs de soins de santé spécialisés. Avant cela, les fournisseurs de soins de santé primaires devraient exécuter le protocole suivant, tel que résumé par les lignes directrices cliniques (figure 2).</li>
</ol><img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/59649/59649fig2.jpg"> Figure 2 : Protocole d'action en soins de santé primaires. Un exemple d'actions de soins de santé primaires qui devraient être considérées pour la détection tôt de MCI avant que le patient soit référé pour un diagnostic médical par des spécialistes. <a href="https://www.jove.com/files/ftp_upload/59649/59649fig2large.jpg" target="_blank">Veuillez cliquer ici pour voir une version plus grande de ce chiffre.</a>
8. Analyse statistique et prétraitement
REMARQUE : Avant d'appliquer des techniques d'apprentissage automatique, une étape préparatoire est nécessaire pour transformer les données originales en un nouvel ensemble de données en fonction de l'objectif final de l'étude et des procédures à appliquer. Pour cette transformation, plusieurs choses doivent être envisagées, y compris les caractéristiques des algorithmes. C'est parce que certains d'entre eux sont sensibles à un manque de variabilité ou de partage d'informations entre les colonnes, bien que les algorithmes utilisés pour générer des arbres de décision sont particulièrement robustes contre ces problèmes. Cette phase initiale vise à catégoriser les variables qualitatives et à recueillir des valeurs avec suffisamment de cas pour chaque variable. Pour un dépistage efficace, il est important de choisir des variables dont l'acquisition s'avère facile et précise. Les participants sont sélectionnés par une courte entrevue au cours de laquelle les algorithmes utilisés ont été limités à un modèle de boîte blanche, ce qui facilite la vérification des critères utilisés pour décider si l'individu doit passer le test. Nous vous suggérons d'utiliser le paquet rpart29 dans le logiciel R pour ces algorithmes, et d'implémenter le partitionnement récursif.
<ol><li>Recueillir tous les formulaires des pharmacies participantes et les convertir en une table dans laquelle chaque colonne est une variable et chaque personne participante est une rangée.</li>
	<li>Attribuez un numéro d'identification à chaque participant. Enregistrez le numéro d'identification et les coordonnées dans un document différent afin qu'il ne soit pas utilisé par l'algorithme d'apprentissage automatique.</li>
	<li>Générer des variables pour classer si chaque médicament que le patient prend correspond au deuxième ou troisième ATC30 (Anatomical Therapeutic Chemical) codes de niveau, selon les principaux ingrédients actifs sur la feuille de suivi de pharmacothérapie.</li>
	<li>Effectuez une analyse descriptive initiale.<ol>
<li>Pour chaque variable ordinale, choisissez un contraste adéquat pour la variable. Pour les variables catégorielles, sélectionnez la valeur considérée comme la référence.</li>
		<li>Pour les variables catégorielles, calculez une régression logistique univariée avec une variable de réponse pour le dépistage de l'ICM. Analyser les résultats de la régression à l'issue d'un tableau d'urgence, le rapport p-valeur, le rapport de cotes de l'échantillon et l'intervalle de confiance de 95 % du rapport de cotes.</li>
		<li>Pour les variables quantitatives, calculez la moyenne, l'écart type, le coefficient de régression logistique et l'intervalle de confiance de 95 % de leurs coefficients.</li>
	</ol>
</li>
	<li>Rejeter les variables dont les valeurs manquantes (non disponibles) sont manquantes, compte tenu de ces variables difficiles à collecter avec précision.</li>
	<li>Sélectionnez uniquement les variables pour lesquelles il existe au moins une catégorie statistiquement significative (lt; 0,01) selon l'analyse de régression logistique. Le résultat de cette étape produit un ensemble de données réduit par rapport à l'ensemble initial.</li>
</ol>9. Algorithmes pour créer un arbre de décision
REMARQUE : Les algorithmes d'apprentissage automatique doivent être correctement paramétrés pour prédire quelles personnes sont susceptibles d'avoir un résultat positif au test MCI. L'un des principaux problèmes lors du dépistage d'une condition est que les données originales devraient être déséquilibrées (c.-à-d. peu de cas positifs par rapport aux cas négatifs). Pour obtenir des modèles avec des données équilibrées, nous avons utilisé une technique appelée down-sampling, ou échantillonnage aléatoire, pour égaliser la fréquence avec celle de la classe de fréquence la plus basse31. Un dépistage efficace exige également de réduire autant que possible le nombre de faux négatifs (c.-à-d. accroître la sensibilité de la sélection des participants souffrant d'ICM). Une des techniques utilisées pour atteindre une plus grande sensibilité est l'introduction de pénalités dans le calcul de l'indice d'impureté de Gini (c.-à-d., l'index utilisé par l'algorithme pour sélectionner la meilleure fente pour l'arbre de décision)32.
<ol><li>Générer un ensemble de données de formation et de test avec 80% et 20% de l'ensemble de données, respectivement en utilisant la fonction createDataPartition dans la bibliothèque de caret33.</li>
	<li>Appliquer les algorithmes utilisés pour générer des arbres de décision à l'ensemble de données de formation. Utilisez à nouveau la fonction de train dans la bibliothèque de caret33. Les étapes suivantes sont des paramètres différents de la fonction; par exemple, l'arbre utilisé dans ce document a été généré avec rpart29 (méthode - "rpart"), mais d'autres algorithmes sont disponibles.<ol>
<li>Sélectionnez la méthode d'échantillonnage vers le bas et introduisez le paramètre d'échantillonnage « vers le bas » dans le caret.</li>
		<li>Définir les probabilités antérieures pour les deux catégories.</li>
		<li>Fournir une matrice de perte avec les pénalités de l'indice d'impureté du Gini appliquées afin de se concentrer sur la sensibilité croissante.</li>
		<li>Pour chaque paramètre de l'algorithme, choisissez une grille de valeurs appropriée.</li>
		<li>Utilisez une estimation de validation croisée des valeurs de la courbe d'exploitation du récepteur (ROC) pour sélectionner les meilleurs modèles dans la grille de paramètres.</li>
	</ol>
</li>
	<li>Calculer une matrice de confusion et la zone sous la courbe ROC (AUC) pour la prévision de l'ensemble de test afin d'évaluer la performance réelle du modèle.</li>
</ol>

<ol><li>Prince, M., Comas-Herrera, A., Knapp, M., Guerchet, M., Karagiannidou, M. World Alzheimer report 2016: improving healthcare for people living with dementia: coverage, quality and costs now and in the future. , Alzheimer's Disease International (ADI). https://scholar.google.com/scholar.bib?q=info:mEGpcpLHEIMJ:scholar.google.com (2016).</li>
<li>Niu, H., Álvarez-Álvarez, I., Guillén-Grima, F., Aguinaga-Ontoso, I. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Prevalence+and+incidence+of+Alzheimer%27s+disease+in+Europe%3A+A+meta-analysis%5BTitle%5D)+AND+%22Neurolog%C3%ADa+%28English+Edition%29%22%5BJournal%5D)">Prevalence and incidence of Alzheimer's disease in Europe: A meta-analysis.</a> Neurología (English Edition). 32 (8), 523-532 (2017).</li>
<li>Petersen, R. C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Mild+Cognitive+Impairment%3A+Clinical+Characterization+and+Outcome%5BTitle%5D)+AND+%22Archives+of+Neurology%22%5BJournal%5D)">Mild Cognitive Impairment: Clinical Characterization and Outcome.</a> Archives of Neurology. 56 (3), 303(1999).</li>
<li>Petersen, R. C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Practice+guideline+update+summary%3A+Mild+cognitive+impairment%3A+Report+of+the+Guideline+Development%2C+Dissemination%2C+and+Implementation+Subcommittee+of+the+American+Academy+of+Neurology%5BTitle%5D)+AND+%22Neurology%22%5BJournal%5D)">Practice guideline update summary: Mild cognitive impairment: Report of the Guideline Development, Dissemination, and Implementation Subcommittee of the American Academy of Neurology.</a> Neurology. 90 (3), 126-135 (2018).</li>
<li>Climent, M. T., Vilaplana, A. M., Arnedo, A., Vilar, J., Moreno-Royo, L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Life+styles+associated+cognitive+impairment.+Study+from+the+community+pharmacy+%5BEstilos+de+vida+asociados+a+deterioro+cognitivo.+Estudio+preliminar+desde+la+farmacia+comunitaria%5D%5BTitle%5D)+AND+%22Revista+de+Investigacion+Clinica%22%5BJournal%5D)">Life styles associated cognitive impairment. Study from the community pharmacy [Estilos de vida asociados a deterioro cognitivo. Estudio preliminar desde la farmacia comunitaria].</a> Revista de Investigacion Clinica. 65 (6), 500-509 (2013).</li>
<li>Faubel, R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Usual+sleep+duration+and+cognitive+function+in+older+adults+in+Spain%5BTitle%5D)+AND+%22Journal+of+Sleep+Research%22%5BJournal%5D)">Usual sleep duration and cognitive function in older adults in Spain.</a> Journal of Sleep Research. 18 (4), 427-435 (2009).</li>
<li>Benito-León, J., Louis, E. D., Bermejo-Pareja, F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Cognitive+decline+in+short+and+long+sleepers%3A+A+prospective+population-based+study+%28NEDICES%29%5BTitle%5D)+AND+%22Journal+of+Psychiatric+Research%22%5BJournal%5D)">Cognitive decline in short and long sleepers: A prospective population-based study (NEDICES).</a> Journal of Psychiatric Research. 47 (12), 1998-2003 (2013).</li>
<li>Ramos, A. R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Association+between+Sleep+Duration+and+the+Mini-Mental+Score%3A+The+Northern+Manhattan+Study%5BTitle%5D)+AND+%22Journal+of+Clinical+Sleep+Medicine%22%5BJournal%5D)">Association between Sleep Duration and the Mini-Mental Score: The Northern Manhattan Study.</a> Journal of Clinical Sleep Medicine. 9 (7), 669(2013).</li>
<li>Gabelle, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Excessive+Sleepiness+and+Longer+Nighttime+in+Bed+Increase+the+Risk+of+Cognitive+Decline+in+Frail+Elderly+Subjects%3A+The+MAPT-Sleep+Study%5BTitle%5D)+AND+%22Frontiers+in+Aging+Neuroscience%22%5BJournal%5D)">Excessive Sleepiness and Longer Nighttime in Bed Increase the Risk of Cognitive Decline in Frail Elderly Subjects: The MAPT-Sleep Study.</a> Frontiers in Aging Neuroscience. 9, 312(2017).</li>
<li>Fernández, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Prevalence+of+dementia+in+the+elderly+aged+above+65+in+a+district+in+the+Basque+Country%5BTitle%5D)+AND+%22Revista+de+Neurologia%22%5BJournal%5D)">Prevalence of dementia in the elderly aged above 65 in a district in the Basque Country.</a> Revista de Neurologia. 46 (2), 89-96 (2008).</li>
<li>Velert Vila, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Suitability+of+the+use+of+benzodiazepines+prescribed+by+the+pharmacist+in+the+elderly.+A+doctor-pharmacist+collaboration+study%5BTitle%5D)+AND+%22Atenci%C3%B3n+Primaria%22%5BJournal%5D)">Suitability of the use of benzodiazepines prescribed by the pharmacist in the elderly. A doctor-pharmacist collaboration study.</a> Atención Primaria. 44 (7), 402-410 (2012).</li>
<li>Ranstam, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Impaired+cognitive+function+in+elderly+men+exposed+to+benzodiazepines+or+other+anziolytics%5BTitle%5D)+AND+%22The+European+Journal+of+Public+Health%22%5BJournal%5D)">Impaired cognitive function in elderly men exposed to benzodiazepines or other anziolytics.</a> The European Journal of Public Health. 7 (2), 149-152 (1997).</li>
<li>Airagnes, G., Pelissolo, A., Lavallée, M., Flament, M., Limosin, F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Benzodiazepine+Misuse+in+the+Elderly%3A+Risk+Factors%2C+Consequences%2C+and+Management%5BTitle%5D)+AND+%22Current+Psychiatry+Reports%22%5BJournal%5D)">Benzodiazepine Misuse in the Elderly: Risk Factors, Consequences, and Management.</a> Current Psychiatry Reports. 18 (10), 89(2016).</li>
<li>Alacreu, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Importance+of+Increasing+Modifiable+Risk+Factors+Knowledge+on+Alzheimer%27s+Disease+Among+Community+Pharmacists+and+General+Practitioners+in+Spain%5BTitle%5D)+AND+%22Frontiers+in+Pharmacology%22%5BJournal%5D)">Importance of Increasing Modifiable Risk Factors Knowledge on Alzheimer's Disease Among Community Pharmacists and General Practitioners in Spain.</a> Frontiers in Pharmacology. 10, 860(2019).</li>
<li>Cohen, J. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aCohen%2C+J+%22Statistical+Power+Analysis+for+the+Behavioral+Sciences%22">Statistical Power Analysis for the Behavioral Sciences</a>. , Routledge. (2013).</li>
<li>Nardi, P. M. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aNardi%2C+PM+%22Doing+Survey+Research%3A+A+Guide+To+Quantitative+Methods%22">Doing Survey Research: A Guide To Quantitative Methods</a>. , Routledge. (2018).</li>
<li>Sabater Hernández, D., Silva Castro, M. M., Faus Dáder, M. J. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aSabater+Hern%C3%A1ndez%2C+D+%22M%C3%A9todo+D%C3%A1der%3A+gu%C3%ADa+de+seguimiento+farmacoterap%C3%A9utico%22">Método Dáder: guía de seguimiento farmacoterapéutico</a>. , Grupo de Investigación en Atención Farmacéutica (GIAF): Grupo de Investigación en Atención Farmacéutica (CTS-131). Universidad de Granada. (2017).</li>
<li>Pfeiffer, E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+Short+Portable+Mental+Status+Questionnaire+for+the+Assessment+of+Organic+Brain+Deficit+in+Elderly+Patients%5BTitle%5D)+AND+%22Journal+of+the+American+Geriatrics+Society%22%5BJournal%5D)">A Short Portable Mental Status Questionnaire for the Assessment of Organic Brain Deficit in Elderly Patients.</a> Journal of the American Geriatrics Society. 23 (10), 433-441 (1975).</li>
<li>Folstein, M. F., Folstein, S. E., McHugh, P. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((%22Mini-mental+state.%22+A+practical+method+for+grading+the+cognitive+state+of+patients+for+the+clinician%5BTitle%5D)+AND+%22Journal+of+Psychiatric+Research%22%5BJournal%5D)">"Mini-mental state." A practical method for grading the cognitive state of patients for the clinician.</a> Journal of Psychiatric Research. 12 (3), 189-198 (1975).</li>
<li>Buschke, H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Screening+for+dementia+with+the+memory+impairment+screen%5BTitle%5D)+AND+%22Neurology%22%5BJournal%5D)">Screening for dementia with the memory impairment screen.</a> Neurology. 52 (2), 231-238 (1999).</li>
<li>Verghese, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Picture-based+memory+impairment+screen+for+dementia%5BTitle%5D)+AND+%22Journal+of+the+American+Geriatrics+Society%22%5BJournal%5D)">Picture-based memory impairment screen for dementia.</a> Journal of the American Geriatrics Society. 60 (11), 2116-2120 (2012).</li>
<li>Nasreddine, Z. S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+Montreal+Cognitive+Assessment%2C+MoCA%3A+A+Brief+Screening+Tool+For+Mild+Cognitive+Impairment%5BTitle%5D)+AND+%22Journal+of+the+American+Geriatrics+Society%22%5BJournal%5D)">The Montreal Cognitive Assessment, MoCA: A Brief Screening Tool For Mild Cognitive Impairment.</a> Journal of the American Geriatrics Society. 53 (4), 695-699 (2005).</li>
<li>Kaya, D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+Saint+Louis+University+Mental+Status+Examination+Is+Better+than+the+Mini-Mental+State+Examination+to+Determine+the+Cognitive+Impairment+in+Turkish+Elderly+People%5BTitle%5D)+AND+%22Journal+of+the+American+Medical+Directors+Association%22%5BJournal%5D)">The Saint Louis University Mental Status Examination Is Better than the Mini-Mental State Examination to Determine the Cognitive Impairment in Turkish Elderly People.</a> Journal of the American Medical Directors Association. 17 (4), e11-e15 (2016).</li>
<li>O'Caoimh, R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Comparison+of+the+quick+mild+cognitive+impairment+%28Qmci%29+screen+and+the+SMMSE+in+screening+for+mild+cognitive+impairment%5BTitle%5D)+AND+%22Age+and+Ageing%22%5BJournal%5D)">Comparison of the quick mild cognitive impairment (Qmci) screen and the SMMSE in screening for mild cognitive impairment.</a> Age and Ageing. 41 (5), 624-629 (2012).</li>
<li>Cullen, B., ONeill, B., Evans, J. J., Coen, R. F., Lawlor, B. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+review+of+screening+tests+for+cognitive+impairment%5BTitle%5D)+AND+%22Journal+of+Neurology%2C+Neurosurgery+%26+Psychiatry%22%5BJournal%5D)">A review of screening tests for cognitive impairment.</a> Journal of Neurology, Neurosurgery & Psychiatry. 78 (8), 790-799 (2007).</li>
<li>Martínez de la Iglesia, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Adaptaci%C3%B3n+y+validaci%C3%B3n+al+castellano+del+cuestionario+de+Pfeiffer+%28SPMSQ%29+para+detectar+la+existencia+de+deterioro+cognitivo+en+personas+mayores+e+65+a%C3%B1os%5BTitle%5D)+AND+%22Medicina+Cl%C3%ADnica%22%5BJournal%5D)">Adaptación y validación al castellano del cuestionario de Pfeiffer (SPMSQ) para detectar la existencia de deterioro cognitivo en personas mayores e 65 años.</a> Medicina Clínica. 117 (4), 129-134 (2001).</li>
<li>Blesa, R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Clinical+validity+of+the+%27mini-mental+state%27+for+Spanish+speaking+communities%5BTitle%5D)+AND+%22Neuropsychologia%22%5BJournal%5D)">Clinical validity of the 'mini-mental state' for Spanish speaking communities.</a> Neuropsychologia. 39 (11), 1150-1157 (2001).</li>
<li>Champely, S., Ekstrom, C., et al. pwr: Basic Functions for Power Analysis. , https://cran.r-project.org/web/packages/pwr/index.html (2018).</li>
<li>Therneau, T., Atkinson, B., Ripley, B. rpart: Recursive Partitioning and Regression Trees. , https://cran.r-project.org/web/packages/rpart (2018).</li>
<li>WHO Collaborating Centre for Drugs Statistics Methodology. ATC/DDD Index. , https://www.whocc.no/atc_ddd_index (2018).</li>
<li>Kuhn, M., Johnson, K. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aKuhn%2C+M+%22Applied+Predictive+Modeling%22">Applied Predictive Modeling</a>. 26, Springer New York. New York, NY. (2013).</li>
<li>Therneau, T., Atkinson, E. An introduction to recursive partitioning using the RPART routines. , http://r.789695.n4.nabble.com/attachment/3209029/0/zed.pdf (2019).</li>
<li>Kuhn, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Building+Predictive+Models+in+R+Using+the+caret+Package%5BTitle%5D)+AND+%22Journal+of+Statistical+Software%22%5BJournal%5D)">Building Predictive Models in R Using the caret Package.</a> Journal of Statistical Software. 28 (5), 1-26 (2008).</li>
<li>Climent, M. T., Pardo, J., Muñoz-Almaraz, F. J., Guerrero, M. D., Moreno, L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Decision+Tree+for+Early+Detection+of+Cognitive+Impairment+by+Community+Pharmacists%5BTitle%5D)+AND+%22Frontiers+in+Pharmacology%22%5BJournal%5D)">Decision Tree for Early Detection of Cognitive Impairment by Community Pharmacists.</a> Frontiers in Pharmacology. 9, 1-12 (2018).</li>
</ol>

Les auteurs n'ont rien à révéler.

Après avoir cherché des termes associés à L'ICM dans les études Cochrane dans la base de données PubMed, un questionnaire spécifique a été créé pour cette étude qui a utilisé les variables les plus évidentes avec une association prouvée avec MCI. Des facteurs démographiques, de mode de vie et sociaux, ainsi que la pharmacothérapie du patient et certaines pathologies pertinentes ont également été enregistrés. De plus, les tests MCI SPMSQ et MMSE ont également été sélectionnés. Fait important, le SPMSQ n'a pas été affecté ...

Le vieillissement de la population augmente la prévalence des maladies chroniques et dégénératives, en particulier les démences dégénératives, qui devraient toucher plus de 131 millions de personnes dans le monde d'ici 20501. Parmi toutes les démences dégénératives, la maladie d'Alzheimer (MA) est la plus fréquente avec une prévalence globale en Europe de 6,88 %2. En raison de l'indépendance toujours en déclin des patients atteints de la MA, ce groupe devrait commencer à recevoir du soutien dès que la MA commence à se manifester. Par conséquent, la détection tôt des signes prodromiques de l'AI, tels que l'affaiblissement cognitif doux (MCI), est essentielle.
MCI est défini comme un stade de déclin cognitif intermédiaire correspondant au vieillissement normal et à la détérioration grave due à la démence3. Selon les estimations de Petersen et coll.4, la prévalence de l'ICM est de 8,4 % chez les personnes âgées de 65 à 69 ans et atteint 25,2 % chez les personnes âgées de plus de 80 ans. L'ICM entraîne des difficultés plus grandes que prévu dans l'exécution des compétences cognitives de bas niveau, en particulier celles liées à la mémoire et au langage, mais n'interfère pas avec les activités de la vie quotidienne.
Le dépistage n'est pas synonyme de diagnostic; le diagnostic de MCI sera toujours une tâche clinique tandis que les méthodes de criblage peuvent seulement nous informer qu'un patient a une plus grande probabilité de souffrir de cette pathologie et qu'il y a un soupçon fondé de MCI qui devrait être confirmé médicalement. Ainsi, les travailleurs de la santé primaire (médecins, pharmaciens, infirmières, etc.) pourraient bénéficier de la disponibilité de méthodes de dépistage simples (tests cognitifs brefs) qui peuvent être appliquées en quelques minutes. Idéalement, ceux-ci identifieraient objectivement les patients présentant une forte probabilité de souffrir d'un MCI de sorte qu'ils puissent alors être médicalement examinés par des médecins généraux ou spécialisés.
Étant donné que la détection précoce de l'ICM devient une tâche essentielle dans le contexte de la santé publique, ce travail visait à identifier les caractéristiques qui sont utiles dans l'identification ciblée de l'ICM dans les tests de dépistage des populations âgées. Ces groupes seraient ensuite testés plus minutieusement pour l'ICM dans les tests administrés par les fournisseurs de soins de santé primaires. Cette méthodologie fournit à un arbre de décision les algorithmes appropriés pour identifier les groupes de population à cibler.
Parmi ces caractéristiques, l'âge est l'un des facteurs les plus constants associés au développement de cette pathologie. D'autres caractéristiques pertinentes sont liées à la démographie ou au mode de vie5. Parmi ces derniers, certaines études ont identifié la durée du sommeil diurne ou nocturne comme un facteur de risque qui peut conduire au diagnostic de MCI5,6,7,8,9. La consommation prolongée de médicaments tels que les benzodiazépines, consommées par environ 20%-25% des personnes âgées10,11, peut également influencer les heures de sommeil et le développement de MCI12,13. En effet, les traitements prolongés pour les maladies chroniques peuvent être des caractéristiques importantes utiles dans la présélection des personnes présentant un risque élevé de souffrir de MCI.
Ici, nous avons développé des modèles basés sur des données qui utilisent des algorithmes d'apprentissage automatique, un arbre de décision et un outil prédictif pour augmenter l'efficacité de la méthodologie de détection de l'ICM en discriminant les caractéristiques qui jouent un rôle important au début détection de MCI. L'arbre de décision qui en a résulté présenté ici a été produit à l'aide d'une cohorte spécifique de patients espagnols utilisant des pharmacies communautaires. Cependant, cette méthode serait également utile parmi d'autres populations ayant des caractéristiques différentes.
Ce travail a été réalisé en collaboration avec des médecins de première santé et des médecins spécialisés. Les pharmacies communautaires étaient idéales pour tester cet algorithme parce qu'elles sont proches des patients, ont de longues heures d'ouverture et sont fréquemment visitées et consultées. Les démences dégénératives sont des affections complexes qui ne sont pas toujours bien comprises par les fournisseurs de soins de santé primaires14. Par conséquent, s'impliquer dans le processus permettra de sensibiliser les gens souffrant de MCI et les démences.

<table><tbody><tr><td>caret</td><td>Max Kuhn</td><td></td><td>R package</td></tr><tr><td>rpart</td><td>Terry Therneau, Beth Atkinson, Brian Ripley</td><td></td><td>R package</td></tr><tr><td>SPMSQ en espagnol</td><td>Farmaceuticoscomunitarios.org</td><td></td><td><a href="http://farmaceuticoscomunitarios.org/anexos/vol11_n1/ANEXO1.pdf » target="_blank">http://farmaceuticoscomunitarios.org/anexos/vol11_n1/ANEXO1.pdf</a></td></tr><tr><td>SPMSQ en anglais</td><td>geriatrics.stanford.edu</td><td></td><td><a href="https://geriatrics.stanford.edu/culturemed/overview/assessment/assessment_toolkit/spmsq.html » target="_blank">https://geriatrics.stanford.edu/culturemed/overview/assessment/assessment_toolkit/spmsq.html</a></td></tr><tr><td>MMSE en espagnol</td><td>Farmaceuticoscomunitarios.org</td><td></td><td><a href="http://farmaceuticoscomunitarios.org/anexos/vol11_n1/ANEXO2.pdf » target="_blank">http://farmaceuticoscomunitarios.org/anexos/vol11_n1/ANEXO2.pdf</a></td></tr><tr><td>MMSE en anglais</td><td>oxfordmedicaleducation.com</td><td></td><td><a href="http://www.oxfordmedicaleducation.com/geriatrics/mini-mental-state-examination-mmse/ » target="_blank">http://www.oxfordmedicaleducation.com/ gériatrie/mini-examen-de-l-état-mental-mmse/</a></td></tr></tbody></table>

une approche d'apprentissage automatique pour concevoir un dépistage sélectif efficace de l'affaiblissement cognitif léger

A Machine Learning Approach to Design an Efficient Selective Screening of Mild Cognitive Impairment

L'affaiblissement cognitif doux (MCI) est le premier signe de démence parmi des populations âgées et son détection tôt est crucial dans nos sociétés vieillissantes. Les tests mcI courants prennent beaucoup de temps, de sorte que le dépistage massif sans discrimination ne serait pas rentable. Ici, nous décrivons un protocole qui utilise des techniques d'apprentissage automatique pour sélectionner rapidement les candidats pour une présélection ultérieure par le biais d'un test MCI basé sur les questions. Cela minimise le nombre de ressources nécessaires pour le dépistage, car seuls les patients potentiellement positifs à l'ICM sont testés davantage.
Cette méthodologie a été appliquée dans une étude de recherche initiale MCI qui a formé le point de départ pour la conception d'un arbre de décision de dépistage sélectif. L'étude initiale a recueilli de nombreuses variables démographiques et de style de vie ainsi que des détails sur les médicaments pour les patients. Le Questionnaire sur l'état mental portatif court (SPMSQ) et le Mini-Mental State Examination (MMSE) ont été utilisés pour détecter d'éventuels cas d'ICM. Enfin, nous avons utilisé cette méthode pour concevoir un processus efficace pour classer les personnes à risque de MCI. Ce travail fournit également un aperçu des facteurs liés au mode de vie associés à l'ICM qui pourraient être mis à profit dans la prévention et la détection précoce de l'ICM chez les populations âgées.

Les pharmacies participantes ont recueilli des données auprès de 728 utilisateurs et recueilli des variables démographiques en plus des médicaments prescrits aux participants. Une régression logistique univariée a été effectuée pour toutes les variables34; les graphiques à barres d'erreur indiqués à la figure 3 et à la figure 4 sont des représentations graphiques pratiques de l'intervalle de confiance du r...

Cette méthodologie produit des arbres de décision qui ciblent les groupes de population plus enclins à souffrir d'une déficience cognitive légère et sont utiles pour le dépistage sélectif rentable de la maladie.

Une approche d'apprentissage automatique pour concevoir un dépistage sélectif efficace de l'affaiblissement cognitif léger

Mild cognitive impairment (MCI) is the first sign of dementia among elderly populations and its early detection is crucial in our aging societies. Common ...

Le but de cette vidéo est de décrire comment concevoir un dépistage rentable des troubles cognitifs légers, ce qui implique plus de difficultés que prévu pour effectuer de faibles compétences cognitives principalement liées à la mémoire et le langage. Nous tenons à souligner l’importance de ce type de condition affectant les personnes âgées, et la polyvalence de cette procédure. Cette procédure pourrait être facilement adaptée à d’autres maladies, en convertissant un dépistage coûteux en un dépistage faisable.Recherchez cochrane revues systématiques pour les termes de la condition à l’écran. Par exemple, dans notre étude, l’affaiblissement cognitif ou la démence « se sont joints aux facteurs de risque. Recherche sur PubMed Terms présente quelques preuves de la relation avec la détérioration cognitive ou la démence.Sélectionnez les variables avec plus de preuves d’association avec la détérioration cognitive ou la démence pour élaborer un questionnaire. Une recherche approfondie comprenant des termes comme déficience cognitive et facteurs de risque a été effectuée à l’aide de PubMed et des revues systématiques Cochrane. Avant de commencer l’étude dans le but de compiler le plus grand nombre de facteurs qui apparaissent dans la littérature scientifique.Comme caractéristiques possibles liées aux troubles cognitifs, en particulier dans la base de données Cochrane, il a été entendu pour tous les articles avec le terme déficience cognitive ou démence, et dans les articles PubMed avec les termes de sexe, niveau d’éducation, activités cognitives, activité physique, diabète, hypertension, cholestérol, dépression, obésité, tabagisme, alcool, sommeil, alimentation, et les conditions économiques. En combinaison avec une déficience cognitive ou la démence, aussi. Par conséquent, un questionnaire a été élaboré avec les variables à l’examen bibliographique qui présentent quelques preuves de la relation avec la détérioration cognitive ou la démence.Un questionnaire est conçu avec des informations sur les variables associées sélectionnées. Pour notre étude de performance, les variables choisies sont le mode de vie démographique et les pathologies chroniques en plus de la présence ou de l’absence de dépression, qui est fréquemment associée à la détérioration cognitive. La consommation de drogues a été recueillie selon la méthodologie.Le Code chimique thérapeutique anatomique a été utilisé pour classer les médicaments. Le test de dépistage sélectionné pourrait être administré par le personnel de santé primaire comme les pharmaciens. Les caractéristiques de base nécessaires à l’essai étaient en tenant compte.En particulier, pour la population âgée espagnole avec une grande quantité d’analphabètes qui ont vécu dans la guerre civile espagnole, notre proposition a été d’utiliser court portable Mental State Questionnaire de faveur et mini-examen de l’état mental les deux sont largement utilisés dans la clinique de mémoire, puisque l’un d’eux nécessite l’alphabétisation. Les personnes recrutées étaient des patients non institutionnalisés âgés de 65 ans ou plus qui se rendaient régulièrement à la pharmacie et souhaitaient participer à la présente étude. Les personnes qui ont eu de la difficulté à effectuer un test d’évaluation ou les personnes qui sont en traitement pour la démence sont exclues.Les participants à l’étude sont considérés comme ayant une déficience cognitive lorsqu’au moins un des critères suivants est satisfait. Les scores de données dans le questionnaire portable court d’état mental sont quatre points ou plus dans le cas des participants analphabètes et trois points ou plus pour d’autres sujets. Un moins ou égal à 24 points dans le test corrigé mini-examen de l’état mental.Les participants ayant une déficience cognitive sont dirigés vers un médecin spécialiste, en tant que neurologue, pour leur diagnostic clinique. Les chercheurs pharmaciens sont formés aux connaissances de base sur les troubles cognitifs et à la gestion des outils de dépistage. Notre étude transversale pour détecter les troubles cognitifs et les facteurs potentiels dérivés de la société chez la population âgée de 65 ans et plus est la conception.La taille estimée de l’échantillon pour une prévalence de troubles cognitifs est de 541 personnes, et avec une augmentation de 10% en raison de pertes, sont 600 personnes. Des lettres de communication ont été conçues entre le réseau de soins de santé pour informer sur le projet. Le diagnostic définitif par un test spécifique est réservé aux soins spécialisés, suivant le protocole indiqué dans le diagramme.Il s’agit d’une étape exclusive avant d’appliquer des techniques d’apprentissage automatique, en transformant les données en fonction du p-test des algorithmes à appliquer. Les algorithmes pour générer des arbres de décision sont de changer de variabilité ou de corrélation entre les variables. L’accent est donc mis sur la catégorisation des variables.Par exemple, générer des variables pour classer si oui ou non le patient prend un médicament selon les deuxième et troisième niveaux du Code de classification chimique thérapeutique anatomique, selon la fiche de suivi de pharmacothérapie. Une analyse de régression logistique a été effectuée pour chaque variable afin d’évaluer si elle est suffisamment importante pour être incluse dans l’ensemble de données pour générer l’arbre de décision. Afin d’obtenir la précision maximale de la quantité dans le déclin cognitif possible, plusieurs techniques d’apprentissage automatique ont été assemblés.Enfin, nous avons développé un modèle avec 80% de notre noyau et un modèle d’arbre basé sur notre algorithme de pétition récursive pour développer un arbre de décision pour obtenir les variables les plus significatives dans un criblage. L’algorithme d’apprentissage automatique appliqué à l’ensemble de données de formation, qui se compose d’un 80% de l’ensemble des données. Le reste est utilisé pour estimer l’exactitude du modèle.On s’attend à ce que l’ensemble de données soit en équilibre, et l’amortissement est l’une des techniques pour faire face à ce problème. Pour le dépistage, nous sommes très intéressés à réduire autant que possible le nombre de faux négatifs. Ceci peut être réalisé au moyen d’une sélection supérieure de PA de la matrice de perte.Le paramètre optimal de l’algorithme a été sélectionné avec une validation croisée. Notre étude transversale a été menée auprès de 728 participants non institutionnalisés âgés de plus de 65 ans. Cent vingt-sept participants obtiennent un score positif aux tests de troubles cognitifs légers.Les participants classés positifs ont été référés au diagnostic clinique. Après avoir effectué l’étude de recherche pour estimer le pourcentage d’utilisateurs ayant une déficience cognitive légère, une nouvelle régression logistique variable est effectuée avec toutes les variables dans le but de sélectionner des variables. Pour certaines des variables les plus significatives, un intervalle de confiance de 99 % du rapport de cotes est affiché dans ce graphique à barres d’erreur.Il s’agit d’une représentation intergraphique commune pour l’intervalle de confiance du rapport de cotes, où l’échelle basse est utilisée pour le rapport de cotes. Toutes ces variables dont la valeur p est supérieure à 0,01 sont sélectionnées pour générer un modèle de boîte large basé sur l’arbre de décision, tandis que de nombreuses autres variables ayant une valeur p plus élevée n’ont pas été sélectionnées pour générer le modèle. Par exemple, pour ces variables simples, l’intervalle de confiance de 99 % du rapport de cotes est inclus dans la valeur une.Par conséquent, la valeur p est supérieure à 0,01. Après ce pré-traitement, nous avons divisé l’ensemble de données en test de données de formation et l’ensemble de données de test. L’arbre de décision est généré dans l’ensemble de données de formation sous forme d’entrée, qui se compose de 583 personnes, et validé avec l’ensemble de test avec 145 utilisateurs.Les performances des algorithmes ont été évaluées au moyen de la zone sous la courbe ROC dans l’ensemble de test. Après avoir utilisé la bibliothèque de voiture en R, pour chaque utilisateur, l’arbre résultant a attribué une probabilité et une recommandation de savoir si oui ou non l’utilisateur doit passer le test de déficience cognitive légère. Ils dépendent du nœud final dans l’arbre.La valeur au bas de la boîte est le pourcentage de personnes ayant ces caractéristiques dans l’ensemble de formation. Le plus chaud est la couleur de la boîte, le plus susceptible d’être positif dans les tests de déficience cognitive légère. Faites attention que le nœud supérieur correspond à la question de l’absence de plainte de mémoire.Ici, une réponse positive salue la branche gauche, étant la question suivante le sexe de l’utilisateur, alors qu’une réponse négative implique d’aller à la branche droite et de poser des questions sur le temps de sommeil de l’utilisateur par jour. Pour évaluer la capacité de coulée complète de l’arbre de décision, la courbe ROC s’affiche. Il zone sous la courbe ROC est.0.763.La recommandation de l’arbre au sujet de prendre le test léger d’affaiblissement cognitif a réalisé une sensibilité. de 0,76 et une spécificité de 0,7, représentée avec un point bleu dans le chiffre. En conséquence, une courte entrevue pour sélectionner les utilisateurs à risque de troubles cognitifs légers avec l’outil d’un arbre de décision produit de manière significative le nombre d’utilisateurs prenant des tests de déficience cognitive légère, ce qui prend beaucoup de temps pour le testeur.Cette réduction peut être estimée dans l’ensemble d’essai, interprétant la matrice de confusion des classes observées et prévues. En effet, 55 utilisateurs sur 145 de l’ensemble de tests sont sélectionnés par l’arbre de décision, ce qui réduit de 62% les utilisateurs qui font des tests, alors que la plupart des utilisateurs étant positifs dans les troubles cognitifs légers sont sélectionnés, à savoir 19 sur 25. À la conclusion de cette étude, compte tenu d’un léger dépistage des troubles cognitifs dont la prévalence est faible, 17 % comme celle envisagée pour l’étude de recherche, il est possible de concevoir un ensemble de critères de sélection adéquats au moyen de techniques d’apprentissage automatique, augmentant le pourcentage de positif dans les troubles cognitifs légers jusqu’à plus de 30 % chez certains utilisateurs.Par conséquent, ces outils ont demandé à être plus efficaces dans le dépistage avec une réduction substantielle des coûts. Les modèles axés sur les données ont l’avantage de comprendre quelles sont les informations les plus importantes afin de construire un modèle réduit. La construction d’un arbre de décision nous donne un aperçu des variables que nous devrions mettre l’accent, afin de discriminer d’une manière rentable les personnes qui sont ou non recommandés de passer les tests de déficience cognitive légère.la conception du protocole prend beaucoup de temps. Pour cette raison, d’autres tests peuvent être envisagés pour la détection future de troubles cognitifs légers en seulement quelques minutes. En outre, nous avons décidé de servir notre étude de dépistage à l’âge de 50 ans au lieu de 65 comme une tâche préventive afin d’augmenter l’efficacité dans la chaîne de troubles cognitifs légers.Les pharmaciens sont l’un des professionnels de la santé les plus accessibles et régulièrement visités, et ils peuvent jouer un rôle vital dans le dépistage précoce des troubles cognitifs légers.

a-machine-learning-approach-to-design-an-efficient-selective

Research

Recherche

JoVE Journal

Behavior

Comportement

Cet article décrit le Test des 4 Montagnes (4MT), un test dépendant de l’hippocampe de la mémoire spatiale allocentrique fonctionnelle. L’hippocampe est affecté au début de la maladie d’Alzheimer (MA) et cet article décrit la méthodologie 4MT et les résultats des tests sur les patients, ce qui démontre la valeur de la 4MT dans le diagnostic de la MA pré-démence.

Le 4 Montagnes Test: Un test court de la mémoire spatiale avec la haute sensibilité pour le diagnostic de pré-démence Maladie d&#39;Alzheimer

On décrit ici une approche de dépistage comportementale qui peut être utilisée pour cribler des composés qui présentent une efficacité in vivo sur les comportements moteurs cognitifs et fonctionnels dans les modèles de souris transgéniques de la β-amyloïdose et de la tauopathie. Ces méthodes sont optimisées pour filtrer les composés pour l'activité dans des tâches de mémoire à court terme et de travail.

Évaluation de l&#39;alternance spontanée, reconnaissance récente d&#39;objets et assemblage des membres dans les modèles de souris transgéniques de la neuropathologie amyloïde-β et tau

Se fondant sur l’état de repos imagerie fonctionnelle par résonance magnétique avec analyse de causalité de Granger, nous avons étudié les altérations dans la connectivité fonctionnelle dirigée entre le cortex cingulaire postérieur et le cerveau de patients atteints de la maladie d’Alzheimer (ma), patients souffrant de déficience Cognitive légère (DCL) et témoins sains.

Application de l’analyse de causalité de Granger de la connexion fonctionnelle dirigée dans la maladie d’Alzheimer et des troubles cognitifs légers

Cet article décrit un protocole pour les évaluations cognitives pour modèles génétiques de la maladie d’Alzheimer à l’aide du système IntelliCage, qui est un système de surveillance comportementale haut débit automatisé avec conditionnement opérant.

Automatisé, à long terme analyse comportementale pour les fonctions cognitives dans de multiples modèles génétiques de la maladie d’Alzheimer, à l’aide de IntelliCage

Ici, nous présentons un protocole conçu pour montrer comment les stéréotypes négatifs de vieillissement peuvent altérer des exécutions de mémoire des personnes âgées pendant l'essai cognitif et comment réduire cet effet délétère. Cette méthode peut aider les personnes âgées à performer à un niveau optimal pendant les tests dans les études de laboratoire et les milieux cliniques.

Mettre en évidence et réduire l'impact des stéréotypes négatifs sur le vieillissement pendant les tests cognitifs des personnes âgées

Ici, nous présentons un protocole pour évaluer si de divers types de lésions cérébrovasculaires silencieuses sont différentiellement associés aux déficits dans certains domaines cognitifs dans une cohorte de 398 chinois pluss âgé hypertendus, utilisant une combinaison des essais neuropsychologiques et du balayage 3T de MRI de multi-ordre.

Évaluation de la performance cognitive des patients hypertendus présentant des lésions cérébrovasculaires silencieuses

Les échelles d’évaluation clinique ne sont pas suffisamment sensibles au dysfonctionnement cognitif chez les patients victimes d’un AVC de haut niveau. Le paradigme de la double tâche présente des avantages et un potentiel dans l’évaluation et l’entraînement cognitif du dysfonctionnement cognitif. L’étude propose ici un paradigme de Stroop à double tâche pour identifier le dysfonctionnement cognitif chez les patients victimes d’un AVC de haut niveau.

Paradigme Stroop à double tâche pour détecter les déficits cognitifs chez les patients de haut niveau victimes d’un AVC

Ici, nous présentons un protocole qui étudie la relation entre les symptômes cognitifs et la qualité du sommeil chez les patients atteints de trouble dépressif majeur. L’outil intégré à THINC et la polysomnographie ont été utilisés pour évaluer les symptômes cognitifs et la qualité du sommeil.

Association entre la qualité du sommeil et les symptômes cognitifs chez les patients atteints de trouble dépressif majeur

Nous démontrons comment une mesure objective peut être utilisé dans le caoutchouc main illusion paradigme largement utilisée. Cette mesure est obtenue en modifiant la tâche bien établie congruence intermodale. Cette tâche permet d'étudier des processus multi-sensoriels qui sont essentiels pour les modulations des représentations du corps comme dans la main illusion de caoutchouc.

Le groupe de congruence intermodale comme un moyen d&#39;obtenir une mesure comportementale objectif dans le caoutchouc main Illusion Paradigm

Nous avons testé la facilité d'utilisation d'une application basée sur tablette-ordinateur (EmoCogMeter) pour enquêter sur les effets de l'âge sur la cognition. Les résultats montrent un déclin cognitif lié à l'âge, ce qui prouve la facilité d'utilisation de notre application. Les résultats soulignent le potentiel clinique et pratique d'une application sous forme de comprimés pour la détection et le suivi des troubles cognitifs.

Évaluation des changements liés au vieillissement des fonctions cognitives à l&#39;aide EmoCogMeter, une nouvelle approche Tablet Computer Based

Découvrez une méthode d'apprentissage automatique pour concevoir un dépistage sélectif et rentable de l'affaiblissement cognitif léger chez les personnes âgées. Cette approche cible les populations à risque.

Une approche d'apprentissage automatique pour concevoir un dépistage sélectif efficace de l'affaiblissement cognitif léger

Explorer plus de vidéos