Chinese version of Montreal Cognitive Assessment Basic for discrimination among different severities of Alzheimer’s disease
Notice bibliographique
Résumé
OBJECTIVES: To find out whether the Chinese version of Montreal Cognitive Assessment Basic (MoCA-BC) and its subtests could be applied in discrimination among cognitively normal controls (NC), mild cognitive impairment (MCI), mild and moderate Alzheimer's Disease (AD), and furthermore, to determine the optimal cutoffs most sensitive to distinguish between them. DESIGN: A cross-sectional validation study. SETTING: Huashan Hospital, Shanghai, China. PARTICIPANTS: There was a total of 1,969 participants: individuals with MCI (n=663), mild (n=345), moderate (n=441) AD, and cognitively NC (n=520) were recruited from the Memory Clinic, Huashan Hospital, Shanghai, China. MEASUREMENTS: Baseline MoCA-BC scores were collected from firsthand data. Two subtests were calculated from MoCA-BC: the Memory Index Score of MoCA-BC (MoCA-BC-MIS) and the Non-memory Index Score of MoCA-BC (MoCA-BC-NM). RESULTS: MoCA-BC was an effective cognitive tool to discriminate among NC, MCI, mild and moderate AD in the Chinese elderly across all education groups, implying that it was efficient not only for detecting MCI, but for different severities of AD as well. For MCI screening, the total score of MoCA-BC (MoCA-BC-T) and MoCA-BC-MIS had similar high sensitivity and specificity. For discrimination among MCI, mild and moderate AD, the MoCA-BC-T and MoCA-BC-NM had similar performance. CONCLUSION: MoCA-BC is an effective cognitive test to distinguish between NC, MCI, mild and moderate AD among the Chinese elderly with various levels of education.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».