A-81 MoCA Cutoffs for English/ Spanish Bilingual Veterans Assessed in English
Notice bibliographique
Résumé
Abstract Objective The Montreal Cognitive Assessment (MoCA) is a well-known screener of global cognitive functioning. Multiple studies have determined optimal cutoff scores for detection of cognitive impairment in various clinical populations. This study aims to determine appropriate cutoff scores in a clinically mixed bilingual (English/Spanish) sample. Methods A sample of n = 57 self-identified bilingual veterans referred for neuropsychological evaluation at a VA hospital completed the MoCA as part of a full battery. All tests were administered in English. The majority were male (96.4%), Hispanic/Latinx, with 14.65 mean years of education. Only MoCA total score without adding one point for ≤12 years of education was included. Descriptive statistics were used for sample characterization. ROC curve analysis assessed diagnostic accuracy of the MoCA for classification of cognitive impairment (CI). The CI group (n = 40) included both major or mild neurocognitive disorder. The nonimpaired group (n = 17) included persons with no CI or psychiatric diagnosis. Results ROC curve analysis was significant (p < .001) with an AUC of .857 (95% confidence interval .746-.969). A cutoff score of ≤24 was yielded an optimal balance of sensitivity (.900) and specificity (.706). Follow-up independent samples t-test and ANOVA were conducted to examine differences between groups. Conclusions Among bilingual individuals, a cutoff of ≤24 on the MoCA maximized sensitivity and specificity of accurately identifying cases of cognitive impairment. Findings have implications for identifying patients requiring further neuropsychological assessment.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».