Discriminative Ability of Montreal Cognitive Assessment Subtests and Items in Racial and Ethnic Minority Groups
Notice bibliographique
Résumé
INTRODUCTION: The Montreal Cognitive Assessment (MoCA) is a popular screening tool for Mild Cognitive Impairment (MCI). The psychometric properties of the MoCA have not been widely examined in minority groups. We aimed to analyze the discriminate ability of subtests and items by race and ethnicity given gold-standard clinical diagnosis of cognitive status. METHODS: We analyzed data from the National Alzheimer Coordinating Center Uniform Data Set March 2018 data freeze. Stepwise regression was used to determine which subtests predicted cognitive status (normal cognition, MCI, or dementia), by race/ethnicity. Item discrimination and difficulty was calculated by race/ethnicity and cognitive status. RESULTS: In our sample (n=3895), with an average age of 69.7, 80.7% were non-Hispanic white, 15.0% were non-Hispanic black, and 4.2% were Hispanic. Among non-Hispanic whites all subtests, education, and age predicted clinician diagnosis, while visuospatial/executive, attention, language, delayed recall, and orientation subtests were predictive among non-Hispanic blacks and visuospatial/executive, delayed recall, and orientation subtests and education were predictive among Hispanics. Item discrimination and difficulty varied by race/ethnicity and cognitive status. CONCLUSIONS: By understanding the psychometric properties of MoCA subtests, we can focus on subtests that have higher discrimination and more diagnostic utility. Subtests should be further evaluated for use in screening of minority individuals.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».