The Montreal Cognitive Assessment (MoCA) in neuro-oncology: A pilot study of feasibility and utility in telehealth and in-person clinical assessments
Notice bibliographique
Résumé
Background: Cognitive impairments are a common burden for patients with primary CNS tumors. Neuropsychological assessment batteries can be too lengthy, which limits their use as an objective measure of cognition during routine care. The purpose of this study was to evaluate the feasibility and utility of the brief Montreal Cognitive Assessment (MoCA) in routine in-person and telehealth visits (as a result of the global COVID-19 pandemic) with neuro-oncology patients. Methods: Seventy-one adults with primary CNS tumors completed MoCA testing in person (n = 47) and via telehealth (n = 24). Correlation analysis and patient-reported outcomes (PROs), including symptom burden and interference, perceived cognition, general health status, and anxiety and depression, were included in this study. Feasibility was assessed through a provider satisfaction questionnaire. Results: Patients were primarily White (83%), college-educated (71%) males (54%) with high-grade tumors (66%). The average total score on the MoCA administered in person was 25 (range: 6-30), with 34% classified as abnormal, and the average total score via telehealth was 26 (range: 12-30), with 29% classified as abnormal. Providers reported satisfaction in using the MoCA during routine clinical care, both in person and via telehealth. Lower MoCA scores correlated with worse symptom severity, KPS, age, education, and previous treatment. Conclusions: The MoCA was feasible in clinical and telehealth settings, and its relationship to clinical characteristics and PROs highlights the need for both objective and patient-reported measures of cognition to understand the overall cognitive profile of a patient with a CNS tumor.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».