A subtest analysis of the Montreal cognitive assessment (MoCA): which subtests can best discriminate between healthy controls, mild cognitive impairment and Alzheimer's disease?
Notice bibliographique
Résumé
BACKGROUND: It is necessary to continue to explore the psychometric characteristics of key cognitive screening tests such as the Montreal Cognitive Assessment (MoCA) to diagnose cognitive decline as early as possible and to attend to the growing need of clinical trials involving mild cognitive impairment (MCI) participants. The main aim of this study was to assess which MoCA subtests could best discriminate between healthy controls (HC), participants with MCI, and Alzheimer's disease (AD). METHODS: Cross-sectional analysis of 136 elderly with more than four years of education. All participants were submitted to detailed clinical, laboratory, and neuroimaging evaluation. The MoCA, Mini-Mental State Examination (MMSE), the Cambridge Cognitive Examination (CAMCOG), Geriatric Depression Scale (GDS), and Functional Activities Questionnaire (FAQ) were applied to all participants. The MoCA test was not used in the diagnostic procedure. RESULTS: Median MoCA total scores were 27, 23 and 18 for HC, MCI, and AD, respectively (p < 0.001). Word repetition, inverse digits, serial 7, phrases, verbal fluency, abstraction, and word recall discriminated between MCI and HC participants (p < 0.001). The clock drawing, the rhino naming, delayed recall of five words and orientation discriminated between patients with MCI and AD (p < 0.001). A reduced version of the MoCA with only these items did not improve accuracy between MCI and HC (p = 0.076) or MCI and AD (p = 0.119). CONCLUSIONS: Not all MoCA subtests might be fundamental to clinical diagnosis of MCI. The reduced versions of MoCA did not add diagnostic accuracy.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».