Is the Montreal Cognitive Assessment (MoCA) test better suited than the Mini-Mental State Examination (MMSE) in mild cognitive impairment (MCI) detection among people aged over 60? Meta-analysis
Notice bibliographique
Résumé
OBJECTIVES: Screening tests play a crucial role in dementia diagnostics, thus they should be very sensitive for mild cognitive impairment (MCI) assessment. Nowadays, the MiniMental State Examination (MMSE) is the most commonly used scale in cognitive function evaluation, albeit it is claimed to be imprecise for MCI detection. The Montreal Cognitive Assessment (MoCA), was created as an alternative method for MMSE. Aim. MoCA vs. MMSE credibility assessment in detecting MCI, while taking into consideration the sensitivity and specificity by cut-off points. METHODS: A systematic literature search was carried out by the authors using EBSCO host Web, Wiley Online Library, Springer Link, Science Direct and Medline databases. The following medical subject headings were used in the search: mild cognitive impairment, mini-mental state examination, Montreal cognitive assessment, diagnostics value. Papers which met inclusion and exclusion criteria were chosen to be included in this review. At the end, for the evaluation of MoCA 20, and MMSE 13 studies were qualified. Research credibility was established by computing weighted arithmetic mean, where weight is defined as population for which the result of sensitivity and specificity for the cut-off point was achieved. The cut-offs are shown as ROC curve and accuracy of diagnosis for MoCA and MMSE was calculated as the area under the curve (AUC). RESULTS: ROC curve analysis for MoCA demonstrated that MCI best detection can be achieved with a cut-off point of 24/25 (n = 9350, the sensitivity of 80.48% and specificity of 81.19%). AUC was 0.846 (95% CI 0.823-0.868). For MMSE, it turned out that more important cut-off was of 27/28 (n = 882, 66.34% sensitivity and specificity of 72.94%). AUC was 0.736 (95% CI 0.718-0.767). CONCLUSIONS: MoCA test better meets the criteria for screening tests for the detection of MCI among patients over 60 years of age than MMSE.
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 | 0,027 | 0,058 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,022 | 0,057 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».