CASI dementia的問題,透過圖書和論文來找解法和答案更準確安心。 我們查出實價登入價格、格局平面圖和買賣資訊

另外網站認知功能檢查 - 臺北榮總護理部健康e點通也說明:臨床失智症嚴重度評估表(Clinical Dementia Rating, CDR):以記憶、知道 ... 認知功能障礙檢查量表(CASI):滿分為100分,分數愈高表示病人的功能愈 ...

臺北醫學大學 醫學資訊研究所碩士班 林明錦、楊維中所指導 NGUYEN TRAN THANH TRUC的 利用神經心理測驗結果來分析阿茲海默失智症族群的異質性 (2021),提出CASI dementia關鍵因素是什麼,來自於阿茲海默症、神經心理測驗、異質性。

而第二篇論文朝陽科技大學 休閒事業管理系 毛祚彥、李素箱所指導 賴盈儒的 以遊戲式智能測驗結合心率變異數預測高齡者認知功能之可行性研究 (2021),提出因為有 嚴肅遊戲、自主神經系統、失智症、社區檢測、認知障礙的重點而找出了 CASI dementia的解答。

最後網站Test-retest reliability and minimal detectable change of the ...則補充:The Cognitive Abilities Screening Instrument (CASI) is widely used to assess global cogni- tive function in patients with dementia.

接下來讓我們看這些論文和書籍都說些什麼吧:

除了CASI dementia,大家也想知道這些:

利用神經心理測驗結果來分析阿茲海默失智症族群的異質性

為了解決CASI dementia的問題,作者NGUYEN TRAN THANH TRUC 這樣論述:

背景:阿茲海默症(Alzheimer's Disease, AD) 是一種具有高度異質性的神經疾病。釐清其變異性將能促進個人化的治療並改善臨床試驗受試者的招募。本研究目的為將AD群體以集群分析辨識其認知功能的差異再進行次分群。方法:研究收納雙和醫院經診斷為可能的輕度與中度AD 患者(以簡易智能量表[MMSE]分數介於16至27為標準)。神經心理測驗(neuropsychological tests) 係採認知功能障礙篩檢量表(CASI),再以非負矩陣分解(Non-negative Matrix Factorization) 演算法進行集群分類。經集群分類成次分群後,我們探討患者的臨床與神經生

物學之不同處,以及其病程發展。結果:確認符合收納條件之112 位患者納入進行分析。可知次分群能以認知領域上主要缺陷的記憶問題分成記憶 (62.5%) 和非記憶 (37.5%) 兩群。具體而言,記憶群在短期記憶和定向感方面表現較差、但注意力相對較好,另在專注力、長期記憶、語言能力、抽象和判斷方面的分數與非記憶群相似。此外,研究也分別比較兩群之年齡、性別、受教育之年數、發病時間、大腦顳葉內側萎縮程度以及腦血管相關疾病等,經由MMSE、CASI、及臨床失智症評估量表-總分(CDR-SOB)評估後,發現在初期時記憶群的患者整體的認知狀態和失智嚴重度較差。線性混合效應模型的結果顯示兩個次分群在追蹤3 年

內其疾病病程無顯著差異。結論:本研究結果提供阿茲海默症疾病可能存在的認知異質性之探討,並促使神經系統疾病綜合患者登錄資料庫的實施。

以遊戲式智能測驗結合心率變異數預測高齡者認知功能之可行性研究

為了解決CASI dementia的問題,作者賴盈儒 這樣論述:

目的:本研究旨在探討高齡者進行遊戲式智能測驗結合心率變異數預測認知功能。方法:以整群採樣招募105位高齡者,進行簡易心智量表(Mini-Mental State Examination, MMSE)、遊戲式智能測驗(Game-based Intelligent Test, GBIT)與心率變異數(heart rate variability, HRV)等檢測,最終有效檢測83位(男性21人,女性62人,平均年齡79.31±7.18歲),所得資料經由SPSS 20.0與Poly Analyst進行分析。以皮爾森積差相關分析MMSE、GBIT與HRV之相關性;以獨立樣本t檢定分析GBIT高低組在

動態HRV之差異性;以多元逐步迴歸分析GBIT與HRV對MMSE的預測力;以羅吉斯迴歸分析GBIT與HRV對認知功能障礙風險之情形。結果:MMSE、GBIT與HRV顯著相關。記憶力答對題數高低組在動態HRV顯著差異(t = -2.693,p < .05);認知綜合答對題數高低組在動態HRV顯著差異(t = 3.016,p < .05)。注意力平均反應時間高低組在動態HRV顯著差異(t = 2.422,p < .05);記憶力平均反應時間高低組在動態HRV顯著差異(t = 2.688,p < .05)。GBIT與HRV對MMSE有73.1%的預測力;預測認知功能障礙高危險群機率為80.33%。結

論:GBIT結合HRV對認知功能具有預測力,GBIT與HRV可以成為高齡者檢測認知功能之可行工具之一。