[The application of Montreal cognitive assessment in urban Chinese residents of Beijing].
Notice bibliographique
Résumé
OBJECTIVE: To study the distribution of Montreal cognitive assessment (MoCA) scores in terms of age and educational level in Chinese residents aged 50 years and over and to offer a benchmark for a cutoff score. METHODS: A total of 281 residents aged 50 years or older was drawn randomly in the urban areas of Beijing, including 215 healthy elderly controls (NC) and 66 patients meeting the clinical criteria of mild cognitive impairment (MCI). The final scores for MoCA were given in the form of mean percentage distributions specific for age, sex and educational level so as to compare the validity of MMSE mini-mental state examination and MoCA in detecting MCI. By a fitting multiple regression model the influence of the factors on MMSE and MoCA was assessed. RESULTS: Using a cutoff score of 26, MMSE had a sensitivity of 24.2% to detect MCI, whereas MoCA detected 92.4% of the MCI subjects. We found a bivariate correlation between MoCA scores and both the factors of age and educational level (P < 0.001). CONCLUSIONS: MoCA is a brief cognitive screening tool with high sensitivity and specificity for detecting MCI as currently conceptualized in patients performing normally on MMSE. Our adjustment in the cutoff scores would improve the detection of MCI and Alzheimer's disease by reducing the number of false negatives. MoCA scores should be used to identify current cognitive difficulties but not to make formal diagnoses.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,002 | 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 ».