MétaCan
Menu
← Retour à la cohorte
Enregistrement W4200577126 · doi:10.1093/geroni/igab046.047

Longitudinal Measurement Properties of the Montreal Cognitive Assessment

2021· article· en· W4200577126 sur OpenAlexaboutno aff
Björn Andersson, Hao Luo, Gloria Hoi Yan Wong, Terry Yat Sang Lum

Notice bibliographique

RevueInnovation in Aging · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueDementia and Cognitive Impairment Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMeasurement invarianceMontreal Cognitive AssessmentConfirmatory factor analysisPsychologyLongitudinal studyStructural equation modelingCognitionNeurocognitivePercentilePopulationStatisticsMathematicsMedicineCognitive impairmentPsychiatry

Résumé

récupéré en direct d'OpenAlex

Abstract Background: The Montreal Cognitive Assessment (MoCA) has started to be widely used in longitudinal investigations to measure changes in cognition. However, the longitudinal measurement properties of MoCA have not been investigated. We aimed to examine the measurement invariance of individual MoCA items across four time points. Methods: We used longitudinal data collected between 2014 and 2017 from a cohort study on health and well-being of older adults in Hong Kong. The Cantonese version of the MoCA was used. We applied multiple group confirmatory factor analysis of ordinal variables to examine measurement invariance by educational level and across time points. Invariant items were identified by sequential model comparisons. Results: We included 1029 participants that answered MoCA items across all time points. We found that items Cube, Clock Hand and Clock Number had significantly different item parameters between participants with and without formal education at all time points. The selected model (RMSEA=0.031; SRMR=0.064) indicated that eight items (Trail, Cube, Clock Shape, Clock Number, Clock Hand, Abstraction, Short-term Memory, and Orientation) did not exhibit measurement invariance over time. However, the differences in item parameter estimate over time were marginal. Accounting for the lack of measurement invariance did not substantially affect classification properties based on cutoff values at the 2nd ( major neurocognitive disorder) and 7th (mild cognitive impairment) percentile. Conclusion: Our findings support using MoCA to assess changes in cognition over time in the study population. Future research should examine the longitudinal measurement properties of the test in other populations with different characteristics.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,020
score de la tête « metaresearch » (Gemma)0,066
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,038
Score d'incertitude au seuil0,108

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0200,066
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,111
Tête enseignante GPT0,351
Écart entre enseignants0,239 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInnovation in Aging→Même sujetDementia and Cognitive Impairment Research→Travaux en français237 207→