The Montreal Cognitive Assessment (MoCA) with a double threshold: improving the MoCA for triaging patients in need of a neuropsychological assessment.
Notice bibliographique
Résumé
OBJECTIVES: Diagnosis of patients suspected of mild dementia (MD) is a challenge and patient numbers continue to rise. A short test triaging patients in need of a neuropsychological assessment (NPA) is welcome. The Montreal cognitive assessment (MoCA) has high sensitivity at the original cutoff <26 for MD, but results in too many false-positive (FP) referrals in clinical practice (low specificity). A cutoff that finds all patients at high risk of MD without referring to many patients not (yet) in need of an NPA is needed. A difficulty is who is to be considered at risk, as definitions for disease (e.g. MD) do not always define health at the same time and thereby create subthreshold disorders. DESIGN: In this study, we compared different selection strategies to efficiently identify patients in need of an NPA. Using the MoCA with a double threshold tackles the dilemma of increasing the specificity without decreasing the sensitivity and creates the opportunity to distinguish the clinical (MD) and subclinical (MCI) state and hence to get their appropriate policy. SETTING/PARTICIPANTS: = 693). RESULTS: The optimal strategy was a two-stage selection process using the MoCA with a double threshold as an add-on after initial assessment. By selecting who is likely to have dementia and should be assessed further (MoCA<21), who should be discharged (≥26), and who's course should be monitored actively as they are at increased risk (21<26). CONCLUSION: By using two cutoffs, the clinical value of the MoCA improved for triaging. A double-threshold MoCA not only gave the best results; accuracy, PPV, NPV, and reducing FP referrals by 65%, still correctly triaging most MD patients. It also identified most MCIs whose intermediate state justifies active monitoring.
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 | 0,001 | 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 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 ».