Is the Cutoff of the MoCA too High? Longitudinal Data From Highly Educated Older Adults
Notice bibliographique
Résumé
BACKGROUND: The Montreal Cognitive Assessment (MoCA) is widely used to evaluate cognitive decline in older individuals. Although, age and education-related norms have been published, the vast majority of diagnostic clinicians use the MoCA cutoff score to identify patients with cognitive impairment. AIM: To identify whether the MoCA cutoff is too stringent for cognitively normal older adults. METHODS: Twenty-seven participants aged 68 to 83 (mean = 75.07, standard deviation [SD] = 4.62), with high education level (mean = 17.14 years, SD = 3.21) underwent cognitive assessment once a year for 5 consecutive years. The cognitive assessment included MoCA; Rey Auditory Verbal Learning Test; Rey Osterrieth Complex Figure test; Wechsler Adult Intelligence Scale Information and Digit Span Subtest; Trail Making Test; Verbal Fluency Test; and Beck Depression Inventory questionnaire. Repeated measures analysis of variance (ANOVA) was used to analyze all standardized scores as well as MoCA standardized and raw scores across all years. RESULTS: < .05). From the second year and forward, the average MoCA total score was below the cutoff of 26/30. However, in substantial contrast, all other neuropsychological scores and the MoCA standardized scores were within the normal range and even above in all years. CONCLUSION: Our study demonstrates that the currently used MoCA cutoff is too high even for highly educated, cognitively normal older adults. Therefore, it is crucial to use the age- and education-related norms for the MoCA in order to avoid misdiagnosis of cognitive decline.
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 | 0,000 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».