MétaCan
Menu
← Retour à la cohorte
Enregistrement W4234614874 · doi:10.32920/ryerson.14660616

Unmapping the Mini-Mental State Exam (MMSE)

2021· preprint· en· W4234614874 sur OpenAlexaff
Marina Michelle Machado

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineHealth Professions
ThématiqueMental Health and Patient Involvement
Établissements canadiensToronto Metropolitan UniversityCentre for Social InnovationYork UniversityUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésAbleismDementiaTransformative learningCognitionPsychologyIdentity (music)OppressionCognitive impairmentCritical discourse analysisTest (biology)GerontologySociologyDevelopmental psychologyGender studiesPsychiatryMedicinePolitical sciencePoliticsLaw

Résumé

récupéré en direct d'OpenAlex

This study is a critical discourse analysis of the Mini-Mental State Exam (MMSE), an assessment tool used to screen older adults for cognitive impairment worldwide. In it, I deconstruct and unmap two unofficial versions of the MMSE to reveal how its discursive practices are grounded in ageism, ableism, sanism, and other forms of oppression. I challenge the MMSE’s status as a neutral container for knowledge by uncovering how it actively defines “cognitive impairment” and “cognitively impaired” identity formation through epistemic violence. I discuss five key issues: consent, scoring, claims-making, voice, and copyright. Lastly, I reflect on how hegemonic discourses about “dementia” keep older adults and people with cognitive impairments in their social place while maintaining the multi-billion dollar “care” industry. This study highlights how social workers are implicated in injustices against older adults that are often hidden. I hope it will be the impetus for transformative change in this field. Keywords: Mini-Mental State Exam, short cognitive test, discourse analysis, unmapping, cognitive impairment, older adults, gerontology, anti-oppressive practice

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)0,009
score de la tête « metaresearch » (Gemma)0,016
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,049

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,016
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,001
Études des sciences et des technologies0,0040,013
Communication savante0,0060,006
Science ouverte0,0010,006
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,376
Tête enseignante GPT0,473
Écart entre enseignants0,097 · 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 sujetMental Health and Patient Involvement→Travaux en français237 207→