Screening an elderly hearing impaired population for mild cognitive impairment using Mini‐Mental State Examination (MMSE) and Montreal Cognitive Assessment (MoCA)
Notice bibliographique
Résumé
OBJECTIVES: To determine if there is an association between hearing loss and poorer cognitive scores on Mini-Mental State Examination (MMSE) and Montreal Cognitive Assessment (MoCA) and to determine if poor hearing acuity affects scoring on the cognitive screening tests of MMSE and MoCA. METHODS: One hundred fourteen elderly patients (Singapore residents) aged between 55 and 86 years were sampled. Participants completed a brief history questionnaire, pure tone audiometry, and 2 cognitive screening tests-the MMSE and MoCA. Average hearing thresholds of the better ear in the frequencies of 0.5, 1, 2, and 4 kHz were used for data analysis. RESULTS: Hearing loss was significantly associated with poorer cognitive scores in Poisson regression models adjusted for age. Mini-Mental State Examination scores were shown to decrease by 2.8% (P = .029), and MoCA scores by 3.5% (P = .013) for every 10 dB of hearing loss. Analysis of hearing-sensitive components of "Registration" and "Recall" in MMSE and MoCA using chi-square tests showed significantly poorer performance in the hearing loss group as compared to the normal hearing group. Phonetic analysis of target words with high error rates shows that the poor performance was likely contributed by decreased hearing acuity, on top of a possible true deficit in cognition in the hearing impaired. CONCLUSIONS: Hearing loss is associated with poorer cognitive scores on MMSE and MoCA, and cognitive scoring is likely confounded by poor hearing ability. This highlights an important, often overlooked aspect of sensory impairment during cognitive screening. Provisions should be made when testing for cognition in the hearing-impaired population to avoid over-referral and subsequent misdiagnoses of cognitive impairment.
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 | 0,001 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 ».