著名医師による解説が無料で読めます
すると翻訳の精度が向上します
背景：この研究は、前頭評価バッテリー（FAB）の能力をテストすることを目的としています。アルツハイマー病（AD）による軽度の認知障害（MCI）と認知症の患者を区別し、その識別力とMINIの識別力を比較することを目的としています。- メンタル状態検査（MMSE）。 方法：現在のレトロスペクティブコホートには、AD（n = 40）または可能性のあるAD認知症（add; n = 67）のためにMCIと診断されたn = 107Aβ陽性患者が含まれていました。FABスコアに基づいてMCIとADD診断を予測するために、2段階の複数のロジスティック回帰（MLR）が実行されました。ベースラインステップ内で、人口統計、病気の期間、MMSEスコア、および認知表現型に関する情報が入力され、FABが2番目のステップ内に追加されました。レシーバー操作の特性分析も実行され、内因性およびテスト後の診断を導き出しました。 結果：ベースラインMLRステップ内で、MMSEスコアが低いことのみがADDの発生を予測しました。同様にMCIとADD（P = 0.016）を区別することができたFABを追加することにより、モデル適合の大幅な増加が検出されました（P = 0.007）。FABの診断効率（AUC = 0.85）は、MMSE（AUC = 0.82）の診断効率（P = 0.583）に同等であり、MMSEの診断とテスト後の良好な診断も生成しました。 ディスカッション：FABは、患者の全体的な認知プロファイルとは無関係に、MCIとADDを区別するための診断的に健全なスクリーナーです。そうすることで、FABはMMSEに匹敵し、後者の前者との補完は、スクリーニングセッション内のMCIとADDの差別化の精度を高めるために推奨されます。
背景：この研究は、前頭評価バッテリー（FAB）の能力をテストすることを目的としています。アルツハイマー病（AD）による軽度の認知障害（MCI）と認知症の患者を区別し、その識別力とMINIの識別力を比較することを目的としています。- メンタル状態検査（MMSE）。 方法：現在のレトロスペクティブコホートには、AD（n = 40）または可能性のあるAD認知症（add; n = 67）のためにMCIと診断されたn = 107Aβ陽性患者が含まれていました。FABスコアに基づいてMCIとADD診断を予測するために、2段階の複数のロジスティック回帰（MLR）が実行されました。ベースラインステップ内で、人口統計、病気の期間、MMSEスコア、および認知表現型に関する情報が入力され、FABが2番目のステップ内に追加されました。レシーバー操作の特性分析も実行され、内因性およびテスト後の診断を導き出しました。 結果：ベースラインMLRステップ内で、MMSEスコアが低いことのみがADDの発生を予測しました。同様にMCIとADD（P = 0.016）を区別することができたFABを追加することにより、モデル適合の大幅な増加が検出されました（P = 0.007）。FABの診断効率（AUC = 0.85）は、MMSE（AUC = 0.82）の診断効率（P = 0.583）に同等であり、MMSEの診断とテスト後の良好な診断も生成しました。 ディスカッション：FABは、患者の全体的な認知プロファイルとは無関係に、MCIとADDを区別するための診断的に健全なスクリーナーです。そうすることで、FABはMMSEに匹敵し、後者の前者との補完は、スクリーニングセッション内のMCIとADDの差別化の精度を高めるために推奨されます。
BACKGROUND: This study aimed at testing the ability of the frontal assessment battery (FAB) to differentiate between patients with mild cognitive impairment (MCI) and dementia due to Alzheimer's disease (AD), as well as comparing its discriminative power to that of the Mini-Mental State Examination (MMSE). METHODS: The present retrospective cohort included N = 107 Aβ-positive patients diagnosed with either MCI due to AD (N = 40) or probable AD dementia (ADD; N = 67). A two-step multiple logistic regression (MLR) was run to predict an MCI vs. ADD diagnosis based on FAB scores. Within the baseline step, demographics, disease duration, MMSE scores, and information on cognitive phenotypes were entered, with the FAB being added within the second step. Receiver-operating characteristics analyses were also run to derive intrinsic and post-test diagnostics. RESULTS: Within the baseline MLR step, only lower MMSE scores predicted the occurrence of ADD; by adding the FAB, which likewise was able to discriminate between MCI and ADD (p = 0.016), a significant increase in model fit was detected (p = 0.007). The diagnostic efficiency of the FAB (AUC = 0.85) was comparable (p = 0.583) to that of the MMSE (AUC = 0.82), also yielding good intrinsic and post-test diagnostics, which were comparable to those of the MMSE. DISCUSSION: The FAB is a diagnostically sound screener to discriminate between MCI and ADD, independently of patients' overall cognitive profile. In doing so, the FAB is comparable to the MMSE, and the complementation of the latter with the former is advisable in order to increase the accuracy in differentiating between MCI and ADD within screening sessions.
医師のための臨床サポートサービス
ヒポクラ x マイナビのご紹介
無料会員登録していただくと、さらに便利で効率的な検索が可能になります。