Accuracy of the Montreal Cognitive Assessment tool for detecting mild cognitive impairment: A systematic review and meta‐analysis
Notice bibliographique
Résumé
INTRODUCTION: This systematic review evaluates the accuracy of the Montreal Cognitive Assessment (MoCA) for detecting mild cognitive impairment (MCI). METHODS: We searched MEDLINE, PSYCInfo, EMBASE, and Cochrane CENTRAL (1995-2021) for studies comparing the MoCA with validated diagnostic criteria to identify MCI in general practice. Screening, data extraction, and risk of bias assessment were performed independently, in duplicate. Pooled sensitivity and specificity for MoCA cutoffs were estimated using bivariate meta-analysis. RESULTS: Thirteen studies [2158 participants, 948(44%) with MCI] were included; 10 used Petersen criteria as the reference standard. Risk of bias of studies were high or unclear for all domains except reference standard. Sensitivity and specificity were 73.5%(95% confidence interval: 56.7-85.5) and 91.3%(84.6-95.3) at cutoff <23; 79.5%(67.1-88.0) and 83.7%(75.4-89.6) at cutoff <24; and 83.8%(75.6-89.6) and 70.8(62.1-78.3) at cutoff <25. DISCUSSION: MoCA cutoffs <23 to <25 maximized the sum of sensitivity and specificity for detecting MCI. The risk of bias of included studies limits confidence in these findings.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,005 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».