Effectiveness of Montreal Cognitive Assessment for the diagnosis of mild cognitive impairment and mild Alzheimer’s disease in Singapore
Notice bibliographique
Résumé
INTRODUCTION: Mild cognitive impairment (MCI) is an important clinical entity with significant management implications. However, traditional screening tools lack the sensitivity needed to detect amnestic MCI (MCI-A). Montreal Cognitive Assessment (MoCA) has yet to be validated for the diagnosis of MCI in a multiracial society such as Singapore. We thus aimed to study the effectiveness of MoCA for the diagnosis of MCI-A in the Singapore population. METHODS: Data on patients with MCI-A and mild Alzheimer's disease (AD) was obtained from a prospectively collected clinical database between January 2008 and January 2011. Patients with no cognitive impairment (NCI) were recruited from among the spouses and friends of patients attending the memory clinic. RESULTS: There were a total of 212 participants (103 NCI, 49 MCI-A, 60 mild AD). For the diagnosis of MCI-A, a MoCA score of < 26 for patients with ≤ 10 years of education, and a score of < 27 for patients with > 10 years of education provided a sensitivity of > 94%. For the diagnosis of mild AD, a MoCA score of < 24 for patients with ≤ 10 years of education, and a score of < 25 for patients with > 10 years of education provided a sensitivity of > 85%. CONCLUSION: In the Singapore population, we recommend cutoff scores of 26/27 and 24/25 be used to detect MCI-A and mild AD, respectively, when using MoCA. For patients with ≤ 10 years of education, a +1 point correction is needed.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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 tête enseignante, 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 ».