Correcting the MoCA for Education: Effect on Sensitivity
Notice bibliographique
Résumé
OBJECTIVE: The goal of this study was to quantify the impact of the suggested education correction on the sensitivity and specificity of the Montreal Cognitive Assessment (MoCA). METHOD: Twenty-five outpatients with dementia and 39 with amnestic mild cognitive impairment (aMCI) underwent a diagnostic evaluation, which included the MoCA. Thirty-seven healthy controls also completed the MoCA and psychiatric, medical, neurological, functional, and cognitive difficulties were ruled out. RESULTS: For the total MoCA score, unadjusted for education, a cut-off score of 26 yielded the best balance between sensitivity and specificity (80% and 89% respectively) in identifying cognitive impairment (people with either dementia or aMCI, versus controls). When applying the education correction, sensitivity decreased from 80% to 69% for a small specificity increase (89% to 92%). The cut-off score yielding the best balance between sensitivity and specificity for the education adjusted MoCA score fell to 25 (61% and 97%, respectively). CONCLUSIONS: Adjusting the MoCA total score for education had a detrimental effect on sensitivity with only a slight increase in specificity. Clinically, this loss in sensitivity can lead to an increased number of false negatives, as education level does not always correlate to premorbid intellectual function. Clinical judgment about premorbid status should guide interpretation. However, as this effect may be cohort specific, age and education corrected norms and cut-offs should be developed to help guide MoCA interpretation.
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 | 0,071 | 0,269 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».