NCOG-44. FEASIBILITY AND UTILITY OF THE MONTREAL COGNITIVE ASSESSMENT IN ROUTINE CLINICAL EXAMS AND TELEHEALTH VISITS IN NEURO-ONCOLOGY
Notice bibliographique
Résumé
Abstract Cognitive dysfunction (CD) is common among primary brain tumor (PBT) patients and adds to the overall symptom burden. Standardized assessments able to be incorporated into routine clinical in-person and telehealth care are needed. Here, we report the feasibility, utility, and satisfaction with use of the Montreal Cognitive Assessment (MoCA) in telehealth and clinical settings by trained clinical providers. Feasibility and provider satisfaction were assessed through survey responses, and patient performance on the MoCA, after a reliability check, was reported through descriptive statistics. Seventy-nine MoCAs on 71 patients were completed in clinic (n=55) or telehealth (n=24). Majority of patients were white (83%) males (54%) with high grade PBTs (66%), and half of patients had completed at least a college education. In clinic, providers (n=9) reported the MoCA took 5-20 minutes to complete, was easy to incorporate into routine practice (78%), believed it was accurate in assessing cognition (67%), and was useful in determining treatment (88%). The average in-person MoCA score was 25 (range: 6 to 30), with 31% of scores classified as abnormal (≤26). In telehealth, providers (n=11) found the administration of the MoCA prior to attending participation in the telehealth visit helpful (75%), discussed the results with their clinical team (75%) and patient (63%), and believed the MoCA was accurate in assessing cognition remotely (63%). On average, patients took 13 minutes (9-22) to complete testing, with three tests discordant on reliability scoring and one patient unable to complete testing. The average telehealth MoCA score was 26 (12-30), with 29% of scores classified as abnormal. Overall, testing was feasible in both clinical and telehealth settings, and providers reported satisfaction with its use. Future studies should evaluate validity in a larger sample and include analysis of relevant cut-off scores, impact of disease, tumor treatment, and genomic predispositions.
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 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».