A re‐examination of Montreal Cognitive Assessment (MoCA) cutoff scores
Notice bibliographique
Résumé
OBJECTIVE: The Montreal Cognitive Assessment (MoCA; Nasreddine et al., 2005) is a cognitive screening tool that aims to differentiate healthy cognitive aging from Mild Cognitive Impairment (MCI). Several validation studies have been conducted on the MoCA, in a variety of clinical populations. Some studies have indicated that the originally suggested cutoff score of 26/30 leads to an inflated rate of false positives, particularly for those of older age and/or lower education. We conducted a systematic review and meta-analysis of the literature to determine the diagnostic accuracy of the MoCA for differentiating healthy cognitive aging from possible MCI. METHODS: Of the 304 studies identified, nine met inclusion criteria for the meta-analysis. These studies were assessed across a range of cutoff scores to determine the respective sensitivities, specificities, positive and negative predictive accuracies, likelihood ratios for positive and negative results, classification accuracies, and Youden indices. RESULTS: Meta-analysis revealed a cutoff score of 23/30 yielded the best diagnostic accuracy across a range of parameters. CONCLUSIONS: A MoCA cutoff score of 23, rather than the initially recommended score of 26, lowers the false positive rate and shows overall better diagnostic accuracy. We recommend the use of this cutoff score going forward. Copyright © 2017 John Wiley & Sons, Ltd.
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 | 0,051 | 0,106 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,009 | 0,016 |
| Bibliométrie | 0,010 | 0,007 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».