The Greek version of the Montreal cognitive assessment in coronary artery disease in Cyprus
Notice bibliographique
Résumé
Introduction: Mild cognitive impairment (MCI) is defined as a transitional state between normal ageing and \nearly dementia characterized by an increased impairment of cognitive functions for persons of particular age and educational level (without affection of basic activities of daily living), but not meeting the diagnostic criteria for dementia (Gauthier et al. 2006).Aims: To assess the psychometric properties of the Greek version of MOCA (MoCA-Gr) in a Greek-Cypriot population with chronic heart disease (CHD) and the comparison of the tools MoCA-Gr and MMSE on the detection of MCI and the relation of demographic factors with MCI were also investigated. Methods: The study is a methodological survey to validate MoCA-Gr in a specific population. A convenience sample of 150 persons with known CHD were 99 healthy persons (free of heart disease history). MoCA and MMSE questionnaires, along with demographic and clinical information were completed. Content, construct and concurrent validity were assessed. Also, the internal consistency (Cronbach’s alpha) and stability (test-retest)were investigated.Results: The AUC was found to be 0.834 (p<0.001)indicating that the MOCA-Gr can discriminate between CHD patients and healthy group (Picture 1). Cronbach’s a was also found to be good (0.774).Specificity was found to be 58% and sensitivity 93%.MOCA-Gr and MMSE total scores are highly correlated (r=0.766p<0.001) within the sample of 150 CHD patients and also highly correlated (r=0.761 p<0.001) within the total of 249 persons (150 CHD + 99 Healthy control \ngroup).Conclusions: MoCA-Gr may assess mild cognitive impairment among CHD patients with good psychometric properties and be more sensitive than MMSE in detecting MCI.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,004 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».