The Montreal Cognitive Assessment: Normative Data from a Large Swedish Population-Based Cohort
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
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 | 0,001 | 0,001 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 découle