The MMSE and MoCA for Screening Cognitive Impairment in Less Educated Patients with Parkinson’s Disease
Notice bibliographique
Résumé
OBJECTIVE: To explore whether the Mini-Mental State Examination (MMSE) and Montreal Cognitive Assessment (MoCA) can be used to screen for dementia or mild cognitive impairment (MCI) in less educated patients with Parkinson's disease (PD). METHODS: We reviewed the medical records of PD patients who had taken the Korean MMSE (K-MMSE), Korean MoCA (K-MoCA), and comprehensive neuropsychological tests. Predictive values of the K-MMSE and K-MoCA for dementia or MCI were analyzed in groups divided by educational level. RESULTS: The discriminative powers of the K-MMSE and K-MoCA were excellent [area under the curve (AUC) 0.86-0.97] for detecting dementia but not for detecting MCI (AUC 0.64-0.85). The optimal screening cutoff values of both tests increased with educational level for dementia (K-MMSE < 15 for illiterate, < 20 for 0.5-3 years of education, < 23 for 4-6 years, < 25 for 7-9 years, and < 26 for 10 years or more; K-MoCA < 7 for illiterate, < 13 for 0.5-3 years, < 16 for 4-6 years, < 19 for 7-9 years, < 20 for 10 years or more) and MCI (K-MMSE < 19 for illiterate, < 26 for 0.5-3 years, < 27 for 4-6 years, < 28 for 7-9 years, and < 29 for 10 years or more; K-MoCA < 13 for illiterate, < 21 for 0.5-3 years, < 23 for 4-6 years, < 25 for 7-9 years, < 26 for 10 years or more). CONCLUSION: Both MMSE and MoCA can be used to screen for dementia in patients with PD, regardless of educational level; however, neither test is sufficient to discriminate MCI from normal cognition without additional information.
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 | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».