Regression-Based Normative Data for the Montreal Cognitive Assessment (MoCA) and Its Memory Index Score (MoCA-MIS) for Individuals Aged 18–91
Notice bibliographique
Résumé
(1) Background: There is a need for a brief assessment of cognitive function, both in patient care and scientific research, for which the Montreal Cognitive Assessment (MoCA) is a psychometrically reliable and valid tool. However, fine-grained normative data allowing for adjustment for age, education, and/or sex are lacking, especially for its Memory Index Score (MIS). (2) Methods: A total of 820 healthy individuals aged 18–91 (366 men) completed the Dutch MoCA (version 7.1), of whom 182 also completed the cued recall and recognition memory subtests enabling calculation of the MIS. Regression-based normative data were computed for the MoCA Total Score and MIS, following the data-handling procedure of the Advanced Neuropsychological Diagnostics Infrastructure (ANDI). (3) Results: Age, education level, and sex were significant predictors of the MoCA Total Score (Conditional R2 = 0.4, Marginal R2 = 0.12, restricted maximum likelihood (REML) criterion at convergence: 3470.1) and MIS (Marginal R2 = 0.14, REML criterion at convergence: 682.8). Percentile distributions are presented that allow for age, education and sex adjustment for the MoCA Total Score and the MIS. (4) Conclusions: We present normative data covering the full adult life span that can be used for the screening for overall cognitive deficits and memory impairment, not only in older people with or people at risk of neurodegenerative disease, but also in younger individuals with acquired brain injury, neurological disease, or non-neurological medical conditions.
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 | 0,004 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».