MétaCan
Menu
Retour à la cohorte
Enregistrement W2902497503 · doi:10.1093/arclin/acy091

Detection of Mild Cognitive Impairment Among Community-Dwelling African Americans Using the Montreal Cognitive Assessment

2018· article· en· W2902497503 sur OpenAlexaboutno aff
Heidi Rossetti, Emily E. Smith, Linda S. Hynan, Laura H. Lacritz, C. Munro Cullum, Aaron Van Wright, Myron Weiner

Notice bibliographique

RevueArchives of Clinical Neuropsychology · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueDementia and Cognitive Impairment Research
Établissements canadiensnon disponible
Organismes subventionnairesNational Center for Advancing Translational SciencesNational Institute on AgingNational Institutes of HealthUniversity of Texas Southwestern Medical CenterAlzheimer's Association
Mots-clésMontreal Cognitive AssessmentCognitive impairmentCognitionPsychologyGerontologyAudiologyClinical psychologyMedicinePsychiatry

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To establish a cut score for the Montreal Cognitive Assessment (MoCA) that distinguishes mild cognitive impairment (MCI) from normal cognition (NC) in a community-based African American (AA) sample. METHODS: A total of 135 AA participants, from a larger aging study, diagnosed MCI (n = 90) or NC (n = 45) via consensus diagnosis using clinical history, Clinical Dementia Rating score, and comprehensive neuropsychological testing. Logistic regression models utilized sex, education, age, and MoCA score to predict MCI versus NC. Receiver operating characteristic (ROC) curve analysis determined a cut score to distinguish MCI from NC based on optimal sensitivity, specificity, diagnostic accuracy, and greatest perpendicular distance above the identity line. ROC results were compared with previously published MoCA cut scores. RESULTS: The MCI group was slightly older (MMCI = 64.76[5.87], MNC = 62.33[6.76]; p = .033) and less educated (MMCI = 13.07[2.37], MNC = 14.36[2.51]; p = .004) and had lower MoCA scores (MMCI=21.26[3.85], MNC = 25.47[2.13]; p < .001) than the NC group. Demographics were non-significant in regression models. The area under the curve (AUC) was significant (MoCA = .83, p < .01) and an optimal cut score of <24 maximized sensitivity (72%), specificity (84%), and provided 76% diagnostic accuracy. In comparison, the traditional cut score of <26 had higher sensitivity (84%), similar accuracy (76%), but much lower specificity (58%). CONCLUSIONS: This study provides a MoCA cut score to help differentiate persons with MCI from NC in a community-dwelling AA sample. A cut score of <24 reduces the likelihood of misclassifying normal AA individuals as impaired than the traditional cut score. This study underscores the importance of culturally appropriate norms to optimize the utility of commonly used cognitive screening measures.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
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 enseignants0,168
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,005
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,095
Tête enseignante GPT0,460
Écart entre enseignants0,365 · 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.

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

Citations27
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueArchives of Clinical NeuropsychologyMême sujetDementia and Cognitive Impairment ResearchTravaux en français237 207