MétaCan
Menu
← Retour à la cohorte
Enregistrement W2766537244 · doi:10.1016/j.jalz.2017.06.496

[P1–480]: CONVERSION OF SCORES FROM MMSE TO MOCA AND MOCA 5‐MINUTE PROTOCOL IN PATIENTS WITH STROKE OR TRANSIENT ISCHEMIC ATTACK

2017· article· en· W2766537244 sur OpenAlexaboutno aff
Adrian Wong, Kam‐Tat Leung, Vincent Mok

Notice bibliographique

RevueAlzheimer s & Dementia · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueDementia and Cognitive Impairment Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMontreal Cognitive AssessmentDementiaStroke (engine)CognitionMedicinePopulationCognitive impairmentMini–Mental State ExaminationAudiologyPhysical therapyGerontologyPhysical medicine and rehabilitationInternal medicinePsychiatryDisease

Résumé

récupéré en direct d'OpenAlex

Cognitive impairment is a rising healthcare burden in the rapidly aging population. A valid and reliable cognitive screen that is sensitive to early cognitive changes is essential for early identification of persons with cognitive impairment. The Mini-mental State Examination (MMSE) is insensitive to mild cognitive impairment (MCI) and cognitive changes with non-Alzheimer's etiology. The Montreal Cognitive Assessment (MoCA) has been shown to be valid as a cognitive screen for MCI, dementia and stroke. As recommended by the National Institute of Stroke and Neurological Disorders – Canadian Stroke Network Vascular Cognitive Impairment Harmonization standard, a shorter version, namely the MoCA 5-minute protocol, was also developed and validated as an ultra-quick cognitive screen for use at beside and over the telephone. Both tests are free for clinical and research use. The objective to this study is to convert scores from Cantonese version of the (CMMSE) to Hong Kong version of MoCA (HK-MoCA) and to examine the accuracy of the converted scores. The CMMSE and HK-MoCA were administered in 904 patients at 3 to 6 months after stroke or TIA. The dataset was randomly divided into 2 subsets: 70% data was used to train and 30% data was used to evaluate the performance of the trained models. Score conversion was performed using log-linear smoothing by equipercentile method and Poisson Regression taking into account the effects of age and education. Accuracy within 3-point error between the estimated and clinically administered HK-MoCA scores was calculated. 81.9% and 75.1% of the estimated HK-MoCA lie within 3-point error of the observed HK-MoCA using Poisson Regression and equipercentile methods, respectively. Scores on the HK-MoCA 5-minute protocol were calculated from the HK-MoCA. A score conversion table based on the log-linear smoothing by equipercentile method is shown in Table. Scores on the CMMSE were converted to HK-MoCA with high accuracy. We provide a table for converting scores from the CMMSE to HK-MoCA and HK-MoCA 5-minute protocol.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,010
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,004

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.

Tête enseignante Opus0,033
Tête enseignante GPT0,326
Écart entre enseignants0,293 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAlzheimer s & Dementia→Même sujetDementia and Cognitive Impairment Research→Travaux en français237 207→