Cognitive screening in substance users: Diagnostic accuracies of the Mini-Mental State Examination, Addenbrooke’s Cognitive Examination–Revised, and Montreal Cognitive Assessment
Notice bibliographique
Résumé
INTRODUCTION: Despite the considerable prevalence of cognitive impairment in substance-using populations, there has been little investigation of the utility of cognitive screening measures within this context. In the present study the accuracy of three cognitive screening measures in this population was examined-the Mini-Mental State Examination (MMSE), the Addenbrooke's Cognitive Examination-Revised (ACE-R), and the Montreal Cognitive Assessment (MoCA). METHOD: A sample of 30 treatment-seeking substance users and 20 healthy individuals living in the community were administered the screening measures and a neuropsychological battery (NPB). Agreement of classification of cognitive impairment by the screening measures and NPB was examined. RESULTS: Results indicated that the ACE-R and MoCA had good discriminative ability in detection of cognitive impairment, with areas under the receiver-operating characteristic (ROC) curve of .85 (95% confidence interval, CI [.75. .94] and .84 (95% CI [.71, .93]) respectively. The MMSE had fair discriminative ability (.78, 95% CI [.65, .93]). The optimal cut-score for the ACE-R was 93 (impairment = score of 92 or less), at which it correctly classified 89% of individuals as cognitively impaired or intact, while the optimal cut-score for the MoCA was <26 or <27 depending on preference for either specificity or sensitivity. The optimal cut-score for the MMSE was <29; however, this had low sensitivity despite good specificity. CONCLUSIONS: These findings suggest that the MoCA and ACE-R are both valid and time-efficient screening tools to detect cognitive impairment in the context of substance use.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».