Cognitive screening instruments to identify vascular cognitive impairment: A systematic review
Notice bibliographique
Résumé
INTRODUCTION: Vascular cognitive impairment (VCI) is common and important to detect as controlling risk factors, particularly hypertension, may slow onset and progression. There is no consensus as to which cognitive screening instrument (CSI) is most suitable for VCI. We systematically reviewed the psychometric properties of brief CSIs for vascular mild cognitive impairment (VMCI) and vascular dementia (VaD). METHODS: Literature searches were performed using scholarly databases from inception until 31 May 2018. Studies were eligible if participants were aged 18 or older, interviewed face-to-face, and standard diagnostic criteria for VCI were applied, excluding those specifically identifying post-stroke dementia. Risk of bias was assessed using the Quality in Prognosis Studies (QUIPS) tool. RESULTS: Fifteen studies were identified including eight types of CSIs (27 subtests/variants) and 4575 participants (1015 with VCI), mean age range: 51.6 to 75.5 years. Most studies compared more than one instrument. Five papers examined clock-drawing; four, the Montreal Cognitive Assessment (MoCA) and Mini-Mental State Examination (MMSE); and three used the Brief Memory and Executive Test (BMET). The MoCA (AUC > 0.90) and MMSE (AUC: 0.86-0.99) had excellent accuracy in differentiating VaD from controls; the MoCA had good internal consistency (Cronbach's α: .83-.88). The MoCA (AUC: 0.87-0.93) and BMET (AUC: 0.94) had the greatest accuracy in separating VMCI from controls. Most studies had low to moderate risk of bias in all domains of the QUIPS. Data were heterogeneous, precluding a meta-analysis. CONCLUSIONS: Although few studies were available and further research is required, data suggests that the MoCA is accurate and reliable for differentiating VaD and VMCI from controls.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».