Comparison of the Montreal Cognitive Assessment and the Mini-Mental State Examination in detecting multi-domain mild cognitive impairment in a Chinese sub-sample drawn from a population-based study
Notice bibliographique
Résumé
BACKGROUND: We examined the discriminant validity of the Montreal Cognitive Assessment (MoCA) and the Mini-Mental State Examination (MMSE) in detecting multiple-domain mild cognitive impairment (md-MCI) in a Chinese sub-sample drawn from elderly population-based study. METHODS: This study included Chinese participants from the Epidemiology of Dementia in Singapore (EDIS) study aged ≥ 60 years who underwent cognitive screening with the Abbreviated Mental Test and Progressive Forgetfulness Questionnaire. Screen-positive participants subsequently underwent MoCA, MMSE, and a comprehensive formal neuropsychological battery. MCI was defined by Petersen's criteria and further classified into single-domain MCI (sd-MCI) and md-MCI. Area under the receiver operating characteristic curve (AUC) with 95% confidence intervals (CIs) was computed for the MoCA and the MMSE in detecting md-MCI. RESULTS: A total of 300 participants were recruited: 128 (42.7%) were diagnosed with no cognitive impairment (NCI), 47 (15.7%) with sd-MCI, and 83 (28.0%) with md-MCI. Forty-one participants were excluded, 7 (2.3%) had dementia, and 34 (11.3%) had only objective cognitive impairment without subjective complaints. Although the MoCA had a significantly larger AUC than the MMSE (0.94 (95% CI = 0.91-0.97) vs. 0.91 (95% CI = 0.86-0.95), p= 0.04), at optimal cut-off points, the MoCA (19/20) was equivalent to the MMSE (25/26) in detecting md-MCI (sensitivity: 0.80 vs. 0.87, specificity: 0.92 vs. 0.80). CONCLUSION: Both screening tests had good discriminant validity and can be used in detecting md-MCI in a sub-sample of Chinese drawn from a population-based study.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».