MétaCan
Menu
← Retour à la cohorte
Enregistrement W3029702165 · doi:10.3877/cma.j.issn.2095-8757.2015.04.008

A Preliminary Study of the capacity of MoCA-cognitive domain index score to screen out the MCI patients in the elderly

2015· article· en· W3029702165 sur OpenAlexaboutno aff
Xiaodong Pan, Chen Zhou, Yiran He, Yaling Liu

Notice bibliographique

RevueChin J Geriatrics Res(Electronic Edition) · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueDementia and Cognitive Impairment Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMontreal Cognitive AssessmentCognitive impairmentMedicineCognitionInternal medicinePsychologyPsychiatry

Résumé

récupéré en direct d'OpenAlex

Objective To investigate whether the Montreal Cognitive Assessment (MoCA)- cognitive domain index score (CDIS) was able to find out the mild cognitive impairment (MCI) patients in the elderly. Methods Total 152 old patients were enrolled in this research from May 2009 to July 2015 in Jiangsu Provincal Geriatrics Research Institute, including normal control group (NC group,n=94) and MCI group(n=58, there were 35 mix MCI patients and 23 amnestic MCI patients). According to the formula published, we calculated the CDIS for memory (MoCA MIS), executive (MoCA LIS), visuospatial (MoCA VIS), language (MoCA LIS), attention (MoCA AIS), and orientation function (MoCA OIS) of the subjects. The total score and CDIS were compared between groups. We calculated and compared the difference in sensitivity and the specificity of each CDIS by counting the AUC of ROC.T-test or Chi-Square was further used to dertermined differences between two groups. Results The scores of MoCA total scores (MoCATS) and each subentries and CDIS in the CN group were 27.0±1.9、4.4±0.9(visuo space)、3.0±0.2(name)、2.9±0.3(attention)、2.8±0.5(calculation)、2.1±0.8(language)、1.8±0.4(abstraction)、4.0±0.9(delay memory)、5.9±0.4(orientation)、13.5±2.0(MoCA MIS)、12.1±1.1(MoCA EIS)、6.6±0.7(MoCA VIS)、5.0±0.8(MoCA LIS)、15.4±1.9(MoCA AIS)、5.9±0.4(MoCA OISA). The scores of MoCA total scores (MoCATS) and each subentries and CDIS in the MCI group were 22.2±3.1、3.5±1.3(visuo space)、2.8±0.5 (name)、2.7±0.6 (attention)、2.7±0.6(calculation)、1.8±0.7(language)、1.7±0.6(abstraction)、1.3±0.3(delay memory)、5.4±0.9(orientation)、7.8±3.4(MoCA MIS)、10.9±1.7(MoCA EIS)、5.9±1.1(MoCA VIS)、4.6±0.9 (MoCA LIS)、13.5±2.8(MoCA AIS)、5.4±0.9(MoCA OISA). The scores of MoCA total scores (MoCATS) and each subentries and CDIS in the mix MCI group were 20.8±2.8、2.8±1.0(visuo space)、2.7±0.5(name)、2.5±0.6(attention)、2.6±0.7(calculation)、1.7±0.8(language)、1.6±0.7(abstraction)、1.2±1.2(delay memory)、5.2±1.0 (orientation)、7.7±3.2(MoCA MIS)、10.0±1.4(MoCA EIS)、5.4±1.1(MoCA VIS)、4.5±1.0(MoCA LIS)、12.4±2.8(MoCA AIS)、5.2±1.0(MoCA OISA).There were significant differences in all CDIS and almost all subentries of MoCA between CN groups and MCI group except the scores of calculation and language (t=10.709、4.508、2.639、3.256、1.991、13.845、3.380、11.626、5.002、4.299、2.962、4.500、3.380,P 0.05). The AUC of other CDIS were significantly smaller than MoCATS/ MoCA MIS. The sensitivity of MoCAMIS was 91.5% and the specificity was 89.5% when the cutoff was 11. The sensitivity of MoCATS was 88.3% and the specificity was 84.5% when the cutoff was 25. Either sensitivity or specificity of MoCAMIS was better than MoCATS. Conclusion The MoCA cognitive domain index score can well present the impairment of cognitive domain in the MCI patients in clinical work. Key words: Aged; Cognitive disorders; Montreal cognitive assessment; Diagnosis

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,028
Tête enseignante GPT0,301
Écart entre enseignants0,273 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChin J Geriatrics Res(Electronic Edition)→Même sujetDementia and Cognitive Impairment Research→Travaux en français237 207→