MétaCan
Menu
Retour à la cohorte
Enregistrement W2890745493 · doi:10.1093/ageing/afy140.68

89Comparison Study of The Montreal Cognitive Assessment(MoCA-CN) and The Quick Mild Cognitive Impairment Screen (Qmci-CN) in Post-Stroke Patients

2018· article· en· W2890745493 sur OpenAlexaboutno aff
Lingrong Yi, Yangfan Xu, Yuling Wang, Zhuoming Chen, Rónán Ó. Caoimh, D. William Molloy

Notice bibliographique

RevueAge and Ageing · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueStroke Rehabilitation and Recovery
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMontreal Cognitive AssessmentMedicineCognitive impairmentCognitionStroke (engine)AudiologyInternal medicinePsychiatry

Résumé

récupéré en direct d'OpenAlex

Background: Post-stroke cognitive impairment (PSCI) can be divided into post-stroke cognitive impairment no dementia (PSCIND) and post-stroke dementia (PSD) according to the degree of the cognitive decline. Several cognitive screening instruments are available but there is no evidence to support which to use in clinical practice. Further, PSCI is often not detected. Given this, it is necessary to screen for PSCI. The most commonly used instruments to assess for PSCI are the Montreal Cognitive Assessment (MoCA-CN) and the Mini-Mental State Examination (MMSE-CN). The Quick Mild Cognitive Impairment screen (Qmci-CN) is a short cognitive screen that has yet to be validated in stroke. Methods: We recruited post-stroke patients from a rehabilitation unit in a large university hospital; 11 with PSD, 15 with PSCIND, 10 with normal cognition (NC). The Qmci-CN, MoCA-CN and MMSE-CN were administered by the trained rater, blind to the diagnosis. Results: In total, 36 patients were available; 61% (22/36) were female. The median age of patients was 63 (interquartile +/−13) years and the median years in education was 12 (+/−4). The median Qmci-CN screen score was 49/100 (+/−16), the median MMSE was 23/30(+/−7), and the median MoCA-CN score was 20/30(+/−7). In this sample the Qmci-CN was less accurate compared to the MMSE-CN and MoCA-CN in discriminating PSCIND from NC, area under the curve (AUC), 0.551 compared to 0.676 and 0.881, respectively. It has similar accuracy in discriminating PSD from NC, (AUC of 0.924 vs 0.979 and 1.0), and in discriminating PSCIND from PSD, (AUC of 0.894 vs 0.854 and 0.909, respectively). Conclusion: This study suggested that the Qmci-CN has comparable accuracy to the MMSE and MoCA-CN in discriminating PSD but was less accurate in separating NC from PSCIND compared to the MoCA-CN. Further study with a larger sample is needed to confirm these findings.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,025
Score d'incertitude au seuil0,323

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,292
Écart entre enseignants0,280 · 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 tête enseignante, 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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAge and AgeingMême sujetStroke Rehabilitation and RecoveryTravaux en français237 207