Some aspects of the validity of the Montreal Cognitive Assessment (MoCA)for evaluating cognitive impairment in Brazilian patients with Parkinson's disease
Notice bibliographique
Résumé
BACKGROUND: The Montreal Cognitive Assessment (MoCA) is a short global cognitive scale, and some studies suggest it is useful for evaluating cognition in patients with Parkinson's disease (PD). However, its accuracy has been questioned in studies involving patients with low education. OBJECTIVE: We sought to assess whether some of the MoCA subtests contribute to the low accuracy of the test. METHODS: We performed a cross-sectional retrospective analysis of clinical data in a cohort of 71 patients with PD, most with less than 8 years of education. Patients were examined using the MDS-UPDRS, Hoehn and Yahr and the MoCA. The data were analyzed using mainly descriptive statistics. RESULTS: We analyzed the data of 66 patients that were not demented according to the clinical evaluation and classified them using the proposed cut-off MoCA scores for diagnosis of MCI and dementia. Thirteen patients (19.7%) were classified as having normal cognition, 24 (36.3%) MCI and 29 (43.9%) dementia. Patients with dementia had longer disease duration (p=0.016) and lower education (p=0.0001). Total MoCA scores had a an almost normal distribution with a wide range of scores and only one maximum score. Performance on the MoCA was highly correlated with education (correlation coefficient=0.66, p=0.0001). At least five of the 10 MoCA subtests showed significant floor effects. CONCLUSION: We believe that some of the MoCA subtests may be too difficult to be completed by PD patients with low educational level, thus contributing to the test's poor diagnostic accuracy.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».