Accuracy of the Montreal Cognitive Assessment in Detecting Mild Cognitive Impairment and Dementia in the Rural African Population
Notice bibliographique
Résumé
OBJECTIVE: The incidence of dementia in the sub-Saharan Africa is rising. However, screening tools for cognitive decline that fits their linguistic and cultural context are lacking. The aim of this study was to determine the accuracy of the Kiswahili version of Montreal Cognitive Assessment (K-MoCA) to detect mild cognitive impairment or dementia among older adults in the rural Tanzania. METHODS: We recruited 259 community-dwelling older adults in Chamwino district, Tanzania. The concurrent validity and discriminatory power of K-MoCA were examined by comparing its score with IDEA cognitive screening and psychiatrist's diagnosis using DSM-V, respectively. All the questionnaires were administered in face-to-face interview. RESULTS: K-MoCA demonstrated acceptable reliability (Cronbach's alpha = 0.780). Concurrent validity was evident by its significant correlation with the IDEA screening test (Pearson's r = 0.651, p < 0.001). Using the psychiatrist's rating as the reference, the optimal cut-off score for MCI and dementia was 19 and 15, respectively, which yielded the sensitivity of 70% and specificity of 60% for MCI, and sensitivity of 72% and specificity of 60% for dementia. Further analysis indicated that education and age influence performance on K-MoCA. CONCLUSION: Overall, the K-MoCA is a reliable and valid tool for measuring cognitive decline. However, its limited discriminatory power for MCI and dementia may be compromised by the cultural irrelevance of some items.
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 | 0,001 |
| 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 | 0,001 |
| 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 ».