Screening for cognitive impairment with the Montreal Cognitive Assessment in Chinese patients with acute mild stroke and transient ischaemic attack: a validation study
Notice bibliographique
Résumé
OBJECTIVE: We aimed to establish the cut-off point of the Montreal Cognitive Assessment (MoCA-Beijing) in screening for cognitive impairment (CI) within 2 weeks of mild stroke or transient ischaemic attack (TIA). METHODS: A total of 80 acute mild ischaemic stroke patients and 22 TIA patients were recruited. They received the MoCA-Beijing and a formal neuropsychological test battery. CI was defined by 1.5 SD below the established norms on a formal neuropsychological test battery. RESULTS: Most stroke and TIA patients were in their 50s (53.95±11.43 years old), with greater than primary school level of education. The optimal cut-off point for MoCA-Beijing in discriminating patients with CI from those with no cognitive impairment (NCI) was 22/23 (sensitivity 85%, specificity 88%, positive predictive value=91%, negative predictive value=80%, classification accuracy=86%). The predominant cognitive deficits were characteristic of frontal-subcortical impairment, such as visuomotor speed (46.08%), attention/executive function (42.16%) and visuospatial ability (40.20%). CONCLUSIONS: A MoCA-Beijing cut-off score of 22/23 is optimally sensitive and specific for detecting CI after mild stroke, and TIA in the acute stroke phase, and is recommended for routine clinical practice.
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 | 0,004 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».