在健康和退休研究中评估认知障碍 协调认知评估协议项目:将诊断算法与诊断共识小组进行比较

科学领域:

• 老年学是一门学科.
• 流行病学 流行病学
• 认知神经科学 认知神经科学

背景情况:

• 在人口研究中准确分类认知障碍存在重大挑战.
• 健康和退休研究 (HRS) 实施了协调认知评估协议项目 (HRS-HCAP),以标准化认知评估.
• 现有的方法需要根据专家临床判断进行验证.

研究的目的:

• 将曼利-斯协调认知评估协议项目 (HCAP) 算法的诊断性能与临床共识小组进行比较.
• 评估认知状态的算法和专家分类之间的一致性.
• 评估HCAP在基于人口的认知研究中的可靠性.

主要方法:

• 曼利-斯HCAP算法将认知状态分为正常,轻度认知障碍 (MCI) 或痴呆症.
• 一个由五名临床医生组成的小组独立审查了50个诊断不确定性的病例,对算法结果视而不见.
• 使用未加权和加权的科恩卡帕 (κ) 统计数据量化诊断一致性.

主要成果:

• 算法和小组之间的总体未加权一致性为70% (35/50).
• 权重一致性提高到84%,这表明当考虑机会时,一致性更强.
• 科恩的kappa表示中等 (未加权 κ=0.56) 到实质性的 (加权 κ=0.75) 协议,在MCI分类中观察到的大部分不一致.

结论:

• 曼利-斯HCAP算法证明了对认知障碍分类的专家临床共识的中等到实质性一致.
• 该算法显示,它有望在大型人口研究中简化认知状态评估.
• 可能需要进一步细化,以提高轻度认知障碍 (MCI) 的分类准确性.