Evaluation of the Mini-Mental State Examination and the Montreal Cognitive Assessment for Predicting Post-stroke Cognitive Impairment During the Acute Phase in Chinese Minor Stroke Patients
Notice bibliographique
Résumé
Objective: To assess the value of the Mini-Mental State Examination (MMSE) and the Montreal Cognitive Assessment (MoCA) during acute phase in predicting post-stroke cognitive impairment (PSCI) at 3–6 months. Methods: We prospectively recruited 229 patients who had suffered their first-ever ischemic stroke. PSCI was determined in 104 of these patients by a comprehensive neuropsychological battery performed at 3-6 months. Receiver operating characteristic (ROC) curve analysis was then performed to compare the discriminatory ability of the MMSE and MoCA. In addition, we applied a decision tree generated by classification and regression tree (CART) methodology. Results: In total, 66 patients had PSCI when evaluated 3-6 months after the onset of minor stroke. Logistic regression analysis revealed that education, body mass index (BMI), and baseline MoCA scores were independently associated with PSCI. ROC curve analysis showed that the ability to predict PSCI was similar when compared between baseline MoCA scores (area under curve [AUC], 0.821; 95% confidence interval [CI], 0.743 to 0.898) and baseline MMSE scores (AUC, 0.809; 95% CI, 0.725 to 0.892), P = 0.75). Both MMSE and MoCA exhibited similar predictive values at their optimal cutoff points (MMSE ≤ 27; sensitivity, 0.682; specificity, 0.816; MoCA ≤ 21; sensitivity, 0.636; specificity, 0.895). CART-derived analysis yielded an AUC of 0.823 (sensitivity, 0.803; specificity, 0.842). Conclusion: When applied within 2 weeks of stroke, the MMSE and MoCA are both useful, have similar predictive value for PSCI 3-6 months after the onset of minor stroke.
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 | 0,002 | 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 | 0,001 |
| 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 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 ».