Comparison between mini mental state examination (MMSE) and Montreal cognitive assessment Indonesian version (MoCA-Ina) as an early detection of cognitive impairments in post-stroke patients
Notice bibliographique
Résumé
Mild cognitive impairment (MCI) is defined as cognitive impairment that may never develop into dementia. Cognitive impairment is one long-term complication of a stroke. The Mini Mental State Examination (MMSE), which is commonly used as a screening tool for cognitive impairment, has a low sensitivity to detect cognitive impairment, especially MCI. Alternatively, the Montreal Cognitive Assessment Indonesian version (MoCA-Ina) has been reported to have a higher sensitivity than the MMSE. The aim of this study was to compare the proportion of MCI identified between the MMSE and MoCA-Ina in stroke patients. This was a cross-sectional study of stroke outpatients who attended the Polyclinic Neuromuscular Division, Rehabilitation Department, and Polyclinic Stroke, Neurology Department Cipto Mangunkusumo General Hospital, Jakarta. The proportion of MCI identified using the MMSE was 31.03% compared to 72.41% when using the MoCA-Ina. This difference was statistically significant (Fisher's exact test, p = 0.033). The proportion of MCI in stroke patients was higher when using the MoCA-Ina compared to the MMSE. The MoCA-Ina should be used as an alternative in the early detection of MCI in stroke patients, especially those undergoing rehabilitation.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».