Comparison of the effectiveness of the Montreal Cognitive Assessment 7.2 and the Mini-Mental State Examination in the detection of mild neurocognitive disorder in people over 60 years of age. Preliminary study.
Notice bibliographique
Résumé
OBJECTIVES: Analysis of reliability of the Polish version of the MoCA 7.2 vs. the MMSE in mild NCD detecting, while taking into consideration the sensitivity and specificity of cut-off points for each type of education. METHODS: Cross-sectional study was conducted at the Department of Geriatrics, Ludwik Rydygier Collegium Medicum in Bydgoszcz, Nicolaus Copernicus University in Torun. The study was conducted between September 2014 and December 2015. The study involved 131 participants, including 54 people assigned to the group without NCD and 77 to the group with mild NCD. Recruitment for both groups was performed on the basis of specific inclusion and exclusion criteria. RESULTS: Mean scores of the MoCA 7.2 and the MMSE showed a statistically significant difference between the groups with and without mild NCD. The optimal cut-off point on the MoCA scale for mild NCD was 24/25. The optimal cut-off point on the MMSE scale for mild NCD was 28/29. In the ROC curve analysis, area under the curve (AUC) for the MoCA was significantly greater than the AUC for the MMSE. CONCLUSIONS: The MoCA 7.2 detect mild NCD with greater sensitivity than the MMSE. In the case of this tool, we propose the use of 24/25 cut-off point which has a higher sensitivity than the recommended 25/26 cut-off point. The MoCA 7.2 therefore can be used by primary healthcare and in the geriatric practice as a screening tool in detecting early 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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| 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 ».