Validation of the Sinhala version of the Montreal Cognitive Assessment in screening for dementia
Notice bibliographique
Résumé
OBJECTIVES: To validate the Sinhala version of the Montreal Cognitive Assessment (MoCA) scale in screening for dementia. METHODS: The MoCA translation and cultural adaptation was carried using a combined qualitative and quantitative approach. Sample size was calculated to detect a targeted sensitivity of 85% and a specificity of 85%. Sample consisted of 49 participants diagnosed with dementia of the Alzheimer's type (AD) according to DSM-IV criteria and 49 normal controls (NC) aged ≥50 years. All subjects were administered the Mini Mental State Examination (MMSE) and MoCA Sinhala version (MoCA-S). Concurrent validity was assessed using Pearson correlation coefficients between the MoCA-S scores and MMSE scores. Criterion validity was assessed using receiver operating characteristic (ROC) analysis. RESULTS: Mean MoCA scores between NC (26.71, SD 2.4) and AD group (16.78, SD 5.9) were significantly different (t=10.8, p<0.001). Cronbach's alpha of 0.818 indicated good internal consistency. Attention (digit span, sustained attention, and the serial 7 calculation task) had the highest discriminant ability followed by visuospatial skills (trail making, cube drawing and clock drawing). Naming had poor discriminant ability. There was a high, positive correlation between MoCA-S total scores and MMSE total scores. (r=0.907, p<0.001). The area under the ROC curve was 0.975 (95%CI 0.94-1.0) for the MoCA and 0.928 (95% CI 0.87-0.98) for MMSE. A cut-off value of 24 provided the best balance between sensitivity (98.0 7%) and specificity (79.6 %). CONCLUSION: MoCA-S is a valid and reliable instrument which can be used as a brief screening instrument for dementia in Sri Lanka.
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 | 0,002 | 0,001 |
| 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) | 0,001 | 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 ».