Montreal Cognitive Assessment: Seeking a Single Cutoff Score May Not Be Optimal
Notice bibliographique
Résumé
BACKGROUND: Cutoff scores of the Montreal cognitive assessment (MoCA) for screening mild cognitive impairment in older adults differ across the world and within the Chinese culture. It is argued that to seek a cutoff score is essential to classify test participants. It was unknown how taking a classifying approach might reveal the cutoff score for identifying mildly cognitively impaired older adults. METHODS: Participants, selected from 13 communities in Wuhan, China, were tested with the Chinese version of MoCA and rated with the Activities of Daily Living and the Clinical Dementia Rating scales. Mixture modeling was applied to the data with certain covariates and MoCA sum scores as the outcome of the latent class. Models with different numbers of classes were compared in terms of information criteria, likelihood ratio test, entropy, and interpretability. RESULTS: A 3-class model (normal, mildly impaired, and severely impaired) was found to fit the data best. The normal class averaged a MoCA score of 24, while the severely impaired class averaged a score below 18. For those cases with MoCA scores above 18 and below 24, it is not certain if they are in the normal or the severely impaired classes. CONCLUSION: Latent variable classification modeling provides another option to identify MCI in older adults. Some categorically different cases of MCI cannot be captured with any single MoCA sum score. A range of 18-24 MoCA scores might serve as a better screening criterion of MCI. Older adults who scored within this gray zone should be monitored for potential interventions.
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 | 0,028 | 0,082 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».