The Montreal Cognitive Assessment: Normative Data from a Large, Population-Based Sample of Healthy Adults in China
Notice bibliographique
Résumé
Abstract Background The Montreal Cognitive Assessment (MoCA) is a valuable tool for detecting cognitive impairment, but its accuracy is significantly influenced by demographic and socio-cultural factors. Consequently, the development of appropriate normative values becomes particularly crucial in ensuring its reliable use and interpretation. Objective Generate MoCA normative values based on demographics for healthy chinese adults. Methods The assessment conducted in this study utilizes the MoCA scale, specifically employing the Mandarin-8.1 version (Chinese Mandarin version). Based on the geographical distribution of administrative regions in mainland china, this study recruited a total of 3,097 healthy individuals aged over 20 years. Drawing on insights from prior normative studies, we performed multiple linear regression analysis, incorporating age, gender, and education level as predictor variables, to examine their associations with the total score and sub-cognitive domains of MoCA. Subsequently, we established normative values and cut-off values stratified by age and education level. Results The participants in this study (n=3,097) exhibit a balanced gender distribution, with an average age of 54.46 years (SD 14.38) and an average education period of 9.49 years (SD 4.61). The study population demonstrates an average MoCA score of 23.25 points (SD 4.82). The findings from the multiple linear regression analysis indicate that the total score of MoCA is influenced by age and education level, collectively accounting for 46.8% of the total variance. Higher age and lower education level are correlated with lower MoCA total scores. Conclusion This study offers normative MoCA values specific to the Chinese population. Furthermore, the research findings indicate that a score of 26 may not represent the most optimal cut-off value. When assessing MoCA scores, it is imperative to comprehensively account for the participants’ age and educational background.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».