Supplementary Material for: Impact of Different Operational Definitions on Mild Cognitive Impairment Rate and MMSE and MoCA Performance in Transient Ischaemic Attack and Stroke
Notice bibliographique
Résumé
Background: Mild cognitive impairment (MCI) is at least as prevalent as dementia after transient ischaemic attack (TIA)/stroke and is increasingly recognised as an important outcome in observational studies and randomised trials. However, there is no consensus on how impairment should be defined, and numerous different criteria exist. Previous studies have shown that different criteria for cognitive impairment impact on prevalence rates in epidemiological studies. However, there are few data on how operational differences within established criteria (e.g. Petersen-MCI) affect measured impairment rates and the performance of short cognitive tests such as the Mini Mental State Examination (MMSE) and the Montreal Cognitive Assessment (MoCA), particularly in cerebrovascular disease. We therefore evaluated the effect of different operational definitions on measured rates of Petersen-MCI and on reliability of short cognitive tests in patients with TIA and stroke. Methods: Consecutive patients underwent the MMSE, MoCA and neuropsychological battery ≥1 year after TIA or stroke in a population-based study. MCI was defined using the Petersen method and subclassified as single or multiple domain, both with (original) and without (modified) subjective memory impairment. Different cut-offs (>1, >1.5 and >2 standard deviations, SD) on a given test relative to published norms were compared together with use of single versus multiple tests to define domain impairment. Results: 91 non-demented subjects completed neuropsychological testing (mean age ± SD 69.7 ± 11.6 years, 54 male, 49 stroke) at a mean of 3.1 ± 1.9 years after the index event. Rates of cognitive impairment ranged from 14/91 (15%) for MCI-original at >2 SD cut-off to 61/91 (67%) MCI-modified at >1 SD cut-off, and the proportion of MCI that was multiple domain varied, e.g. 24/46 (52%) versus only 5/27 (20%) at 1 versus 2 SD cut-off for MCI-modified. Requirement for subjective memory complaint approximately halved estimates [e.g. 17 (19%) vs. 39 (43%) for MCI at 1.5 SD cut-off, single test definition], whereas use of multiple tests versus a single test to define a cognitive domain had less impact. In general, diagnostic accuracy was higher, and optimal cut-offs lower, on MMSE and MoCA for multiple-domain versus single-domain MCI, but the MoCA appeared superior for detecting MCI-modified, whereas the MMSE performed well in detecting MCI-original. Conclusion: Even within established criteria for MCI, differences in operational methodology result in 4-fold variation in MCI estimates. Optimal MMSE and MoCA cut-offs are lower, and reliability more similar, when criteria for MCI are more stringent. Our findings have implications for sample size and adjusted relative risk calculations in randomised trials and for comparisons between studies.
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 | 0,053 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,823 | 0,194 |
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 ».