Value of Montreal cognitive assessment in identifying patients with mild vascular cognitive impairment after first stroke
Notice bibliographique
Résumé
Objective To determine the value of Montreal cognitive assessment (MoCA) in identifying the patients with mild vascular cognitive impairment after first stroke (mVCI-FS), and compare it's results with those of mini-mental state examination (MMSE). Methods MoCA and MMSE were performed on 60 patients with mVCI-FS and 25 with non mild vascular cognitive impairment after first stroke (nVCI-FS) by neurologists 12±1 w after the onset. Results Total mean scores of MoCA was 19.78±4.57 and that of MMSE was 25.48±3.14 with the partial correlation reaching r=0.779 and P=0.000. Significant differences in each sub-items of MoCA were found between mVCI-FS group and nVCI-FS group, except calculation and verbal fluency (P 0.05). The initial optimal cut-off-point of MoCA was 21 in identifying mVCI-FS from nVCI-FS according to the ROC curve analyses as well as the largest youden's index. With the cut-off-point of 21,MoCA Can provided a sensitivity of 84.6% and a specificity of 76.0%,respectively,for screening mVCI-FS, which was much better than MMSE (sensitivity 59.6% and specificity 57.7%)Conclusions The initial optimal cut-off-point of MoCA is 21 in identifying mVCI-FS from nVCI-FS.MoCA, having high sensitivity and specificity in screening mVCI-FS, is a valid screening scale in screening mVCI-FS; however, MMSE, showing poor sensitivity in screening mVCI-FS, cannot be a reliable instrument in screening mVCI-FS. Key words: Montreal cognitive assessment; Mini-mental state examination; Mild vascular cognitive impairment
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 | 0,002 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 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 ».