Influence of education level on domain‐specific MOCA performance in the MarkVCID cohort
Notice bibliographique
Résumé
BACKGROUND: Education level is a well-recognized co-factor for cognitive performance and a potential confounder in the application of cognitive evaluations in diverse populations. The Montreal Cognitive Assessment (MoCA) is a widely utilized screening tool for Mild Cognitive Impairment (MCI) composed of 6 domains of cognition: Executive Function (EFC), Attention and Concentration (AC), Language (LANG), Visuospatial (VIS), Memory (MEM), and Orientation (ORIEN). Education is currently accounted for globally by adding 1 point to the total MoCA score. This study considers the impact of education level on a domain-specific scoring of the MoCA. METHOD: We utilized longitudinal subject level data from one site within the MarkVCID Consortium (UCSF) composed of 578 subjects (59.5% female; 82.9% white), mean age 71.5 (+/- 8.7). Mean educational level was 15.3 (+/-4.7) years. Within the cohort, 37 subjects lacked educational level and were omitted (final n = 541). Multivariate linear regression models were used to relate educational level with total and domain specific MoCA score performance at baseline while controlling for the influence of age, sex, and recognized MarkVCID biomarkers that impact cognitive performance including white matter hyperintensity (logWMH), fractional anisotropy (FA), free water (FW), and peak width of skeletonized mean diffusivity (PSMD). RESULTS: An age-, sex-adjusted model replicated a significant association of education level with MoCA total score (p<0.001, b = .336). Among the MoCA domains, EFC was most affected by education level (p<.001, b = .412), followed by AC (p<.001, b = .352). Other MoCA domains were not significantly associated with educational level. Several MoCA domains, namely MEM and ORIEN, showed an association with MarkVCID biomarkers including WMH and FW (p-values <.001). In regression models controlled for MarkVCID imaging biomarkers, educational level remained significantly associated with total and domain-specific MoCA performance. CONCLUSION: Education does not equally contribute to all cognitive domains assessed by the MoCA, mostly affecting EFC and AC. These findings suggest that considering education level in a domain-specific manner could provide a more accurate interpretation of the cognitive impairment.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».