The application of Montreal cognitive assessment (Chinese version) in diagnosing and assessing cognitive changes of mild cognitive impairment
Notice bibliographique
Résumé
Objective To assess the effect of Montreal cognitive assessment (MoCA, Chinese version) in diagnosing and observing the cognitive changes of mild cognitive impairment (MCI). Methods The MoCA and Mini Mental State Examination (MMSE) were taken to all subjects (28 patients with MCI and 29 normal controls) to assess the effect and to compare the sensitivity and specificity of MMSE and MoCA in diagnosing MCI, and to compare the cognitive changes of the MCI patients at the beginning of study and 12 months later. Results The MoCA and MMSE are useful for differential diagnosis between normal control and MCI patients. MoCA was significant for the assessment of visuospacial/constructive abilities ( t = 2.151, P = 0.036), memory ( t = 4.704, P = 0.000), abstraction ( t = 2.787, P = 0.009) and orientation ( t = 3.162, P = 0.003) in comparison among groups. When the cut off point was 26, the sensitivity of MoCA and MMSE to diagnose MCI was 89.29% and 10.71% respectively, while the specificity was 82.76% and 100% respectively. The diagnostic sensitivity of MoCA was significantly higher than MMSE. In MCI patients, the score of MMSE and MoCA after 12 months were lower than baseline, the difference was significant in the MoCA total score ( t = 6.454, P = 0.000), visuospacial/constructive abilities ( t = 5.610, P = 0.000) and language ( t = 4.954, P = 0.000). Conclusion Comparing with MMSE, the sensitivity of MoCA is higher. The decline of the score of MoCA and visuospacial/constructive abilities and language may be a predictor in the conversion of MCI to dementia.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 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 ».