走向数字选和分析AD:中国MemTrax的GAMLSS方法
Wanwan Liu1, Ling Yu1, Qiuqiong Deng1
1Health Management Center, Renji Hospital of Medical School of Shanghai Jiaotong University, Shanghai, China.
Alzheimer's & dementia : the journal of the Alzheimer's Association
|September 1, 2023
概括
本研究使用中国人口的MemTrax (MTx) 度量来确定规范性认知性能范围. 一般化的增材模型创建了特定于年龄和教育的曲线,有助于选认知衰退.
科学领域:
- 认知神经科学是一种认知神经科学.
- 心理测量 心理测量 心理测量
- 人口健康研究 人口健康研究
背景情况:
- 认知评估工具需要特定人口的规范性数据.
- MemTrax (MTx) 测试通过响应的准确性和速度来测量认知功能.
- 建立规范范围对于准确解释认知表现至关重要.
研究的目的:
- 在中国人口中建立MemTrax (MTx) 度量标准范围.
- 为了生成特定于年龄和教育程度的认知表现百分位曲线.
- 调查认知评估中的速度-准确性权衡.
主要方法:
- 利用位置,形状和尺度 (GAMLSS) 的通用添加模型来建模认知指标.
- 计算的正确响应百分比 (MTx-%C),平均响应时间 (MTx-RT) 和复合得分 (MTx-Cp).
- 应用Q测试和图来评估模型合适性,并生成百分位曲线.
主要成果:
- 对于MTx-RT和MTx-Cp的规范百分位曲线显示出适当的模型匹配.
- MTx-%C模型适用于低级和中级教育水平,但对高等教育来说不太适合.
- 在特定准确度范围内观察到MTx-%C的显著速度精度权衡.
结论:
- GAMLSS有效地产生了平滑的,特定于人群的认知百分位数曲线.
- 这些曲线对于大规模查和对包括阿尔茨海默病在内的认知衰退的监测是有价值的.
- 高学历水平与较晚发病和较慢的认知衰退相关,并注意到速度和准确性的权衡.
