An Abbreviated Montreal Cognitive Assessment (MoCA) for Dementia Screening
Notice bibliographique
Résumé
OBJECTIVE: The Montreal Cognitive Assessment (MoCA) is a cognitive screening instrument growing in popularity, but few studies have conducted psychometric item analyses or attempted to develop abbreviated forms. We sought to derive and validate a short-form MoCA (SF-MoCA) and compare its classification accuracy to the standard MoCA and Mini-Mental State Examination (MMSE) in mild cognitive impairment (MCI), Alzheimer disease (AD), and normal aging. METHODS: 408 subjects (MCI n = 169, AD n = 87, and normal n = 152) were randomly divided into derivation and validation samples. Item analysis in the derivation sample identified most sensitive MoCA items. Receiver Operating Characteristic (ROC) analyses were used to develop cut-off scores and evaluate the classification accuracy of the SF-MoCA, standard MoCA, and MMSE. Net Reclassification Improvement (NRI) analyses and comparison of ROC curves were used to compare classification accuracy of the three measures. RESULTS: Serial subtraction (Cramer's V = .408), delayed recall (Cramer's V = .702), and orientation items (Cramer's V = .832) were included in the SF-MoCA based on largest effect sizes in item analyses. Results revealed 72.6% classification accuracy of the SF-MoCA, compared with 71.9% for the standard MoCA and 67.4% for the MMSE. Results of NRI analyses and ROC curve comparisons revealed that classification accuracy of the SF-MoCA was comparable to the standard version and generally superior to the MMSE. CONCLUSIONS: Findings suggest the SF-MoCA could be an effective brief tool in detecting cognitive impairment.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».