Utility of a Screening Test (MoCa) to Predict Amyloid Physiopathology in Mild Cognitive Impairment
Notice bibliographique
Résumé
Introduction: The MoCa (Montreal Cognitive Assessment) Screening test has become relevant in recent years in the screening of patients with Mild Cognitive Impairment (MCI). It is important to seek and study simple and reliable tools in clinical practices that correlate with biological markers that have been used to predict conversion from MCI to AD. Objective: To analyze the MOCA and its cognitive sub-scores and the relationship with Amyloid pathophysiology in Alzheimer’s Disease. Methodology: 32 patients with MCI were studied, they were separated according positive (n: 20) and negative (n: 12) underlying amyloid pathology. The patients performed a extensive cognitive assessment that included MoCa Test. Results: MoCa Total Scores showed significantly different results between groups (p <0.001) as well as the Memory Score (MoCa MIS), the Executive (MoCa EIS), the Attentional Score (MoCa AIS)) (p < 0.001) and the Orientation Score (MoCa OIS)) (p < 0.05) with worse performance of patients with amyloid pathophysiology. Score of MoCa a cut-off point of < 24 was established, since the diagnostic sensitivity at this point was 83% and the specificity 70%. Conclusions: The MoCa is a useful tool to differentiate biomarker status in MCI. Future studies should study this tool in the prodromal phases of the disease.
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».