Determining Appropriate Screening Tools and Cutoffs for Cognitive Impairment in the Chinese Elderly
Notice bibliographique
Résumé
Background: The Mini-Mental State Examination (MMSE) and Montreal Cognitive Assessment (MoCA) are the most commonly used tools for cognitive impairment screening. The present study aimed to investigate the ability of the MOCA and MMSE to differentiate between cognitively normal elderly individuals, MCI patients and dementia patients at different ages and education levels and to establish the optimal cutoff scores of the MoCA and MMSE for MCI and dementia in the Chinese elderly. Methods: A total of 2,954 Chinese elderly individuals, including 1,746 normal controls, 599 MCI patients and 249 dementia patients, were consecutively recruited in the study. The optimal cutoffs for MoCA and MMSE were determined using receiver operating characteristic (ROC) analysis among the different age and education levels in the three groups. Furthermore, comparison of ROC curves were made to evaluate the performances of the two tests. Results: The area under the curve(AUC) of the MoCA (0.82) for detecting MCI was significantly higher than that of the MMSE (0.75) (P < 0.001). When the sample was divided according to age and education level, the AUC of the MoCA (0.84) was higher than those of the MMSE (0.71) for MCI (P < 0.001) in the younger and more highly-educated groups. The optimal cutoff scores of the MoCA for the groups aged ≤ 75 years old and education ≤ 6 years, aged > 75 years old and education ≤ 6 years, aged ≤ 75 years old and education > 6 years, aged > 75 years old and education > 6 years in screening for MCI were identified as 19.5, 15.5, 24.5 and 24.5, respectively, and the optimal cutoff scores for dementia were 18.5, 10.5, 18.5 and 20.5, respectively. For MMSE in the above four groups, the cutoff scores to detect MCI were 26.5, 22.5, 28.5 and 26.5, respectively, and the optimal cutoff scores for dementia were 23.5, 19.5, 23.5 and 23.5, respectively. Conclusion: Compared to MMSE, the MoCA is more suitable for discriminating MCI in younger and more highly educated elderly Chinese individuals. However, the MMSE has advantage over MoCA in screening MCI in individuals with lower education levels and the older groups of Chinese elderly.
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 | 0,005 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 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 ».