The Montreal Cognitive Assessment: Normative Data from a Large Swedish Population-Based Cohort
Notice bibliographique
Résumé
BACKGROUND: The Montreal Cognitive Assessment (MoCA) has a high sensitivity for detecting cognitive dysfunction. Swedish normative data does not exist and international norms are often derived from populations where cognitive impairment has not been screened for and not been thoroughly assessed to exclude subjects with dementia or mild cognitive impairment. OBJECTIVE: To establish norms for MoCA and develop a regression-based norm calculator based on a large, well-examined cohort. METHODS: MoCA was administered on 860 randomly selected elderly people from a population-based cohort from the EPIC study. Cognitive dysfunction was screened for and further assessed at a memory clinic. After excluding cognitively impaired participants, normative data was derived from 758 people, aged 65-85. RESULTS: MoCA cut-offs (-1 to -2 standard deviations) for cognitive impairment ranged from <25 to <21 for the lowest educated and <26 to <24 for the highest educated, depending on age group. Significant predictors for MoCA score were age, sex and level of education. CONCLUSION: We present detailed normative MoCA data and cut-offs according to the DSM-5 criteria for cognitive impairment based on a large population-based cohort of elderly individuals, screened and thoroughly investigated to rule out cognitive impairment. Level of education, sex, and age should be taken in account when evaluating MoCA score, which is facilitated by our online regression-based calculator that provide percentile and z-score for a subject's MoCA score.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».