Validating a Pragmatic Approach to Cognitive Screening in Stroke Prevention Clinics Using the Montreal Cognitive Assessment
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: The Montreal Cognitive Assessment (MoCA) is used commonly to identify cognitive impairment (CI), but there are multiple published cut points for normal and abnormal. We seek to validate a pragmatic approach to screening for moderate-severe CI, by classifying patients into high-, intermediate-, and low-risk categories. METHODS: A total of 390 participants attending an academic Stroke Prevention Clinic completed the MoCA and more detailed neuropsychological testing. Between April 23, 2012 and April 30, 2014, all consecutive new referrals to the regional Stroke Prevention Clinic who were English-speaking, not severely aphasic, and could see and write well enough to complete neuropsychological testing were assessed for inclusion, and consenting patients were enrolled. CI was defined as ≥2 SDs below normal for age and education on at least 2 cognitive subtests. A single cut point for CI was compared with 2 cut points (high sensitivity and high specificity) generated using receiver operator characteristic and area under the curve analyses. The intermediate-risk group contained those scoring between the 2 cut points. RESULTS: Thirty-four percent of participants had a symptomatic or silent stroke, 34% were seen for possible or probable transient ischemic attack, and 32% were diagnosed with other vascular or nonvascular conditions. Using a single cut point, sensitivity and specificity were optimal with MoCA ≤22, (sensitivity=60.4%, specificity=89.9%, area under the curve=0.801, positive predictive value=48.5%, negative predictive value=93.5%, positive likelihood ratio=6, and negative likelihood ratio=0.4). Using 2 cut points, sensitivity was optimal with MoCA ≥28 (sensitivity=96.2%, negative predictive value =97.6%, and negative likelihood ratio=1.27), and specificity was optimal with MoCA ≤22 (specificity=89.9%, positive predictive value=48.5%, and positive likelihood ratio=6). CONCLUSIONS: Stratifying participants into 3 categories facilitates the identification of a homogenous group at low risk for CI, as well as 2 other groups with intermediate and higher risk. This approach could facilitate clinical care pathways and patient selection for research.
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 | 0,141 | 0,209 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 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 ».