Do Mini–Mental State Examination and Montreal Cognitive Assessment predict high‐cost health care users? A competing risks analysis in The Irish Longitudinal Study on Ageing
Notice bibliographique
Résumé
OBJECTIVES: Policymakers want to better identify in advance the 10% of people who account for approximately 75% of health care costs. We evaluated how well Mini-Mental State Examination (MMSE) and Montreal Cognitive Assessment (MoCA) predicted high costs in Ireland. METHODS/DESIGN: We used five waves from The Irish Longitudinal Study on Ageing, a biennial population-representative survey of people aged 50+ (2010-2018). We used competing risks analysis where our outcome of interest was "high costs" (top 10% at any wave) and the competing outcome was dying or loss to follow-up without first having the high-cost outcome. Our binary predictors of interest were a 'low score' (bottom 10% in the sample) in MMSE (≤25 pts) and MoCA (≤19 pts) at baseline, and we calculated sub-hazard ratios after controlling for sociodemographic, clinical and functional factors. RESULTS: Of 5856 participants, 1427 (24%) had the 'high cost' outcome; 1463 (25%) had a competing outcome; and 2966 (51%) completed eight years of follow-up without either outcome. In multivariable regressions a low MoCA score was associated with high costs (SHR: 1.38 (95% CI: 1.2-1.6) but a low MMSE score was not. Low MoCA score at baseline had a higher true positive rate (40%) than did low MMSE score (35%). The scores had similar association with exit from the study. CONCLUSIONS: MoCA had superior predictive accuracy for high costs than MMSE but the two scores identify somewhat different types of high-cost user. Combining the approaches may improve efforts to identify in advance high-cost users.
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 | 0,030 | 0,037 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,005 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».