Mini-Mental State Examination and Montreal Cognitive Assessment as Tools for Following Cognitive Changes in Alzheimer’s Disease Neuroimaging Initiative Participants
Notice bibliographique
Résumé
BACKGROUND: Mini-Mental State Examination (MMSE) and Montreal Cognitive Assessment (MoCA) are two commonly used cognitive screening and diagnostic tools. OBJECTIVE: Our goal was to assess their efficacy for monitoring cognitive changes, as well as the correlation between the two tests. METHODS: At baseline, participants in the Alzheimer's Disease Neuroimaging Initiative (ADNI) were divided into four groups based on their cognitive diagnoses: healthy control (HC), early mild cognitive impairment (EMCI), late mild cognitive impairment (LMCI), and Alzheimer's disease (AD). MMSE or MoCA scores were compared among the four groups using an analysis of variance (ANOVA) model with repeated measures with post-hoc Bonferroni correction. For those participants who had both MMSE and MoCA assessments done, a Pearson correlation analysis was performed between the two assessments for each visit. RESULTS: The MMSE scores were significantly different among the four groups at baseline, which was true for each of the three annual follow-up visits. By contrast, the MoCA scores were not significantly different between HC and EMCI groups at either baseline or any of the follow-up visits. For participants with a diagnosis of LMCI, the cognitive performance deteriorated in a linear manner 12 months after the baseline, which was independent of MMSE or MoCA. At last, the MMSE scores were moderately related to MoCA scores, which got stronger along with the time of follow-up. CONCLUSION: MMSE and MoCA are comparable as cognitive assessment tools to monitor cognitive changes. In addition, the measurements of MMSE and MoCA are moderately correlated for the follow-up visits.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».