Is the Montreal cognitive assessment culturally valid in a diverse geriatric primary care setting? Lessons from the Bronx
Notice bibliographique
Résumé
BACKGROUND: Efficacy and validity of the MoCA for cognitive screening in ethnoculturally and linguistically diverse settings is unclear. We sought to examine the utility and discriminative validity of the Spanish and English MoCA versions to identify cognitive impairment among diverse community-dwelling older adults. METHODS: Participants aged ≥65 with cognitive concerns attending outpatient primary care in Bronx, NY, were recruited. MoCA and neuropsychological measures were administered in Spanish or English, and a neuropsychologist determined cognitive status (normal with subjective cognitive concerns [SCC], mild cognitive impairment [MCI], and dementia). One-way ANOVA compared cognitive statuses. ROC analyses identified optimal MoCA cutpoints for discriminating possible cognitive impairment. RESULTS: There were 231 participants, with mean age 73, 72% women, 43% Hispanic; 39% Black/African American; 113 (49%) completed testing in English and 118 (51%) in Spanish. Overall MoCA mean was 17.7 (SD = 4.3). Neuropsychological assessment identified 90 as cognitively normal/SCC, average MoCA 19.9 (SD = 4.1), 133 with MCI, average MoCA 16.6 (SD = 3.7), and 8 with dementia, average MoCA 10.6 (SD = 3.1). Mean English MoCA average was 18.6 (SD = 4.1) versus Spanish 16.7 (SD = 4.3). The published cutpoint ≤23 for MCI yielded a high false-positive rate (79%). ROC analyses identified ≤18.5 as the score to identify MCI or dementia using the English MoCA (65% sensitivity; 77% specificity) and ≤16.5 for the Spanish MoCA (64% sensitivity;73% specificity) in this sample of older adults with cognitive concerns. CONCLUSIONS: Current MoCA cutpoints were inappropriately high in a culturally/linguistically diverse urban setting, leading to a high false-positive rate. Lower Spanish and English MoCA cutpoints may improve diagnostic accuracy for identifying cognitive impairment in this group, highlighting the need for the creation and validation of accurate cognitive screeners for ethnoculturally and linguistically diverse older adults.
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 | 0,040 | 0,078 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,006 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| 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 ».