The Influence of Education on Chinese Version of Montreal Cognitive Assessment in Detecting Amnesic Mild Cognitive Impairment among Older People in a Beijing Rural Community
Notice bibliographique
Résumé
To assess the influence of education on the performance of Chinese version of Montreal cognitive assessment (C-MoCA) in relation to the mini-mental state examination (MMSE) in detecting amnesic mild cognitive impairment (aMCI) among rural-dwelling older people C-MoCA and MMSE was administered and diagnostic interviews were conducted among community-dwelling elderly in two villages in Beijing. The performance of C-MoCA and MMSE in detecting aMCI was evaluated by the area under the ROC curve (AUC). Effect size of education on variations in C-MoCA scores was estimated with general linear model. Among 172 study participants (24 cases of aMCI and 148 normal controls), the AUC of C-MoCA was 0.72 (95% CI = 0.62-0.81, cutoff = 20/21), compared to AUC of MMSE of 0.74 (95% CI = 0.64-0.84, cutoff = 26/27). The performance of both C-MoCA and MMSE was especially poorer among those with low (0-6 years) education. After controlling for gender and age, education ( η(2) = 0.204) had a surpassing effect over aMCI diagnosis ( η(2) = 0.052) on variations in C-MoCA scores. Among rural older people, the MoCA showed modest accuracy and was no better than MMSE in detecting aMCI, especially in those with low education, due to the overwhelming effect of education relative to aMCI diagnosis on variations in C-MoCA performance.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 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 ».