Comparison between the accuracy of Montreal Cognitive Assessment and Mini-Mental State Examination in the detection of mild cognitive impairment
Notice bibliographique
Résumé
Abstract Introduction:Ageing can cause major changes in the central nervous system of the body, resulting in cognitive decline and associated disorders. Therefore, there is a growing need for an effective cognitive screening method to enhance the diagnosis of mild cognitive impairments and to prevent occurring dementia and Alzheimer's Disease (AD). Our study aimed to compare the accuracy of MMSE (Mini-Mental State Examination) and MoCA (Montreal Cognitive Assessment) while evaluating the independent and interaction effects of age and educational level on these screening tools in a healthy sample.Method: The data for the current study was based on the registration phase of the study during 2016-2018 in Neyshabour Longitudinal Study on Ageing (NeLSA). Both the MoCA and MMSE tests were used to assess cognitive decline among 3326 participants aged 50-94 years of old. The ROC curve analysis and the predictive values were performed to evaluate the diagnostic accuracy of MMSE to discriminate Mild Cognitive Impairment (MCI) from the cognitively healthy adult basis of MoCA scores as a gold test. A two-way ANCOVA was run to examine the effect of Age and Education level on MoCA and MMSE score, while controlling for a gender effect. Data were analyzed using MedCalc Statistical Software version 13.0.6 (MedCalc Software bvba, Ostend, Belgium; http://www.medcalc.org; 2014). Results: The chi-square test shows that MoCA ((72% and 90%) significantly (p-value<0.001() classified more persons as cognitively impaired than the MMSE (45.1%), respectively; using a cutoff score of 24 on the MMSE, 23 and 26 on the MoCA. The cut-off point of below 25 yielded the highest Youden J index for the MMSE in discrimination between MCI and healthy basis of MOCA<23 with an AUC of 0.9 (95% CI: 0.89-0.91) and MOCA<26 with an AUC of 0.87 (95% CI: 0.86-0.89). A two-way ANCOVA results show that the effect of education variable on the MMSE and MoCA score is more important than the age variable.Discussion: Although the cut-off scores give a clear indication of the sensitivity and specificity, they are unable to monitor the impact of confounders, which increase the risk of incorrect classification. Taken together, these findings demonstrate the use of demographically adjusted MoCA and MMSE scores that could provide clinicians with a more reliable estimation of the severity of cognitive impairment, thus increasing the instrument's clinical usefulness.
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 | 0,006 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».