Correlation between the Montreal Cognitive Assessment-Indonesian Version (Moca-INA) and the Mini-Mental State Examination (MMSE) in Elderly
Notice bibliographique
Résumé
BACKGROUND: As the rapid growth of the elderly population and the increased prevalence of Alezheimer's Disease and related disorders, there is an increasing need for effective cognitive screening. The Mini Mental State Examination (MMSE) is the most frequently used screening test of cognitive impairment because of its convenience. The Montreal Cognitive Assessment-Indonesian Version (MoCA-INA) has been validated and recently been used as a cognitive screening tool. OBJECTIVES: The aim of this study was to compare the MMSE and MoCA-INA scores and to determine the correlation between the MMSE and MoCA-INA scores in elderly. MATERIAL AND METHODS: This was a cross-sectional study including 83 elderly subjects from November 2016 until June 2017. We performed MMSE and MoCA-INA for assessment of cognitive function and the time between each test was at least 30 minutes. RESULTS: The study included 83 subjects which were consisted of 46 (55.4%) males and 37 (44.6%) females. The mean age was 69.19 ± 4.23 ranging from 65 to 79 years old. The average MMSE scores was 24.96 ± 3.38 (range 14 to 30). The average MoCA-INA scores was 21.06 ± 4.56 (range 5 to 30). The Pearson correlation coefficient between the scores was 0.71 (p<0.005). There were no significant differences of both scores based on history of hypertension, diabetes mellitus and previous stroke, but there was a significant difference in MMSE scores based on level of education. CONCLUSION: The MoCA-INA score showed a good correlation with the MMSE score. Both tests showed comparable results but MoCA-INA showed lower average with wider range of scores.
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 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 | 0,011 | 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 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».