Utility of the Montreal Cognitive Assessment and Mini-Mental State Examination in Predicting General Intellectual Abilities
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: To determine whether scores from 2 commonly used cognitive screening tests can help predict general intellectual functioning in older adults. BACKGROUND: Cutoff scores for determining cognitive impairment have been validated for both the Montreal Cognitive Assessment (MoCA) and the Mini-Mental State Examination (MMSE). However, less is known about how the 2 measures relate to general intellectual functioning as measured by the Wechsler Adult Intelligence Scale-Fourth Edition (WAIS-IV). METHODS: A sample of 186 older adults referred for neuropsychological assessment completed the MoCA, MMSE, and WAIS-IV. Regression equations determined how accurately the screening measures could predict the WAIS-IV Full Scale Intelligence Quotient (FSIQ). We also determined how predictive the MoCA and MMSE were when combined with 2 premorbid estimates of FSIQ: the Test of Premorbid Functioning (TOPF) (a reading test of phonetically irregular words) and a predicted TOPF score based on demographic variables. RESULTS: MoCA and MMSE both correlated moderately with WAIS-IV FSIQ. Hierarchical regression models containing the MoCA or MMSE combined with TOPF scores accounted for 58% and 49%, respectively, of the variance in obtained FSIQ. Both regression equations accurately estimated FSIQ to within 10 points in >75% of the sample. CONCLUSIONS: Both the MoCA and MMSE provide reasonable estimates of FSIQ. Prediction improves when these measures are combined with other estimates of FSIQ. We provide 4 equations designed to help clinicians interpret these screening measures.
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.
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 | 0,000 | 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 | 0,001 |
| 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 découle