Longitudinal measurement properties of the Montreal Cognitive Assessment
Notice bibliographique
Résumé
INTRODUCTION: The Montreal Cognitive Assessment (MoCA) has started to be used in longitudinal investigations to measure cognition trends but its measurement properties over time are largely unknown. This study aimed to examine the longitudinal measurement invariance of individual MoCA items. METHOD: We used four waves of data collected between 2014 and 2017 from a cohort study on health and well-being of older adults from twelve public housing estates in Hong Kong. We identified people aged 65 years or older at baseline who answered the MoCA items across all time points and had a valid indicator of educational level. A total of 1028 participants were included. We applied confirmatory factor analysis of ordinal variables to examine measurement invariance of the Chinese (Cantonese) MoCA (version 7.0) items across four time points, stratified by educational level, where invariant items were identified by sequential model comparisons. RESULTS: Four items exhibited a lack of measurement invariance across the four time points in both education groups (Clock Hand, abstraction, Delayed Recall, and Orientation). The items Cube and Sentence Repetition lacked longitudinal measurement invariance only in the "some education" group and the items Clock Shape and Clock Number only in the "no education" group. However, accounting for the lack of measurement invariance did not substantially affect classification properties for major neurocognitive disorder and mild cognitive impairment. CONCLUSIONS: Our findings support using MoCA to assess changes in cognition over time in the study population while calling for future research in other populations.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,001 |
| 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 ».