Multicenter Validation of an <scp>MMSE</scp> ‐Mo <scp>CA</scp> Conversion Table
Notice bibliographique
Résumé
BACKGROUND: Accumulating evidence points to the superiority of the MoCA over the MMSE as a cognitive screening tool. To facilitate the transition from the MMSE to the MoCA in clinical and research settings, authors have developed MMSE-MoCA conversion tables. However, it is unknown whether a conversion table generated from Alzheimer's disease (AD) patients would apply to patients with other dementia subtypes like vascular dementia or frontotemporal dementia. Furthermore, the reliability and accuracy of MMSE-MoCA conversion tables has not been properly evaluated. METHOD: We retrospectively examined the MMSE-MoCA relationship in a large multicenter sample gathered from 3 Memory Clinics in Quebec, Canada (1492 patients). We produced an MMSE-MoCA conversion table using the equi-percentile method with log-linear smoothing. We then cross-validated our conversion table with the ADNI dataset (1202 patients) and evaluated its accuracy for future predictions. RESULTS: The MMSE-MoCA conversion table is consistent with previously published tables and has an intra-class correlation of 0.633 with the ADNI sample. However, we found that the MMSE-MoCA relationship is significantly modified by diagnosis (P < .01), with dementia subtypes associated with a dysexecutive syndrome showing a trend towards higher MMSE than other dementia syndromes for a given MoCA score. The large width of 95% confidence interval (CI) for a new prediction suggests questionable reliability for clinical use. CONCLUSION: In this study, we validated a conversion table between MMSE and MoCA using a large multicenter sample. Our results suggest caution in interpreting the tables in heterogeneous clinical populations, as the MMSE-MoCA relationship may be different across dementia subtypes.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».