The Montreal Cognitive Assessment in Veteran Postacute Care: Implications of Cut Scores
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: The Montreal Cognitive Assessment (MoCA) is often used for cognitive screening across health care settings, especially in rehabilitation centers, where assessment and treatment of cognitive function is considered key for successful multidisciplinary treatment. Although the original MoCA validation study suggested a cut score of <26 to identify cognitive impairment, recent studies have suggested that lower cut scores should be applied. OBJECTIVES: To examine the percentage of positive screens for cognitive impairment using the MoCA in a veteran postacute care (PAC) rehabilitation setting and to identify the most accurate MoCA cut score based on criterion neuropsychological measures. METHODS: We obtained data from 81 veterans with diverse medical diagnoses who had completed the MoCA during their admission to a PAC unit. A convenience subsample of 50 veterans had also completed four criterion neuropsychological measures. RESULTS: Depending on the cut score used, the percentage of individuals classified as impaired based on MoCA performance varied widely, ranging from 6.2% to 92.6%. When predicting performance using a more comprehensive battery of criterion neuropsychological tests, we identified <22 as the most accurate MoCA cut score to identify a clinically relevant level of impairment and <24 to identify milder cognitive impairment. CONCLUSIONS: Our findings suggest that a MoCA cut score of <26 carries a risk of misdiagnosis of cognitive impairment, and scores in the range of <22 to <24 are more reliable for identifying 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.
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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle