The Montreal Cognitive Assessment: Norms and Reliable Change Indices for Standard and MoCA-22 Administrations
Notice bibliographique
Résumé
OBJECTIVE: The Montreal Cognitive Assessment (MoCA) is among the most frequently administered cognitive screening tests, yet demographically diverse normative data are needed for repeated administrations. METHOD: Data were obtained from 18,410 participants using the National Alzheimer's Coordinating Center Uniform Data Set. We developed regression-based norms using Tobit regression to account for ceiling effects, explored test-retest reliability of total scores and by domain stratified by age and diagnosis with Cronbach's alpha, and reported the cumulative change frequencies for individuals with serial MoCA administrations to gage expected change. RESULTS: Strong ceiling effects and negative skew were observed at the total score, domain, and item levels for the cognitively normal group, and performances became more normally distributed as the degree of cognitive impairment increased. In regression models, years of education was associated with higher MoCA scores, whereas older age, male sex, Black and American Indian or Alaska Native race, and Hispanic ethnicity were associated with lower predicted scores. Temporal stability was adequate and good at the total score level for the cognitively normal and cognitive disorders groups, respectively, but fell short of reliability standards at the domain level. CONCLUSIONS: MoCA total scores are adequately reproducible among those with cognitive diagnoses, but domain scores are unstable. Robust regression-based norms should be used to adjust for demographic performance differences, and the limited reliability, along with the ceiling effects and negative skew, should be considered when interpreting MoCA scores.
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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».