Comparing the Efficacy of Two Cognitive Screening Tools in Identifying Gray and White Matter Brain Damage among Older Adults
Notice bibliographique
Résumé
Background. Ageing is associated with structural changes in brain regions and functional decline in cognitive domains. Noninvasive tools for identifying structural damage in the brains of older adults are relevant for early treatment. Aims. This study aims to evaluate and compare the accuracy of the Mini-Mental State Examination (MMSE) and Montreal Cognitive Assessment (MoCA©) in identifying gray and white matter brain damage in older individuals with varying degrees of cognitive impairment. Methods. Ninety older adults (62 women) with an average age of 69 ± 7 years were enrolled and categorized as having no cognitive impairment (NCI), mild cognitive impairment (MCI), or moderate cognitive impairment (MoCI). Magnetic resonance imaging (MRI) was utilized to assess the number, volume, and distribution of brain damage. The Fazekas and Scheltens scales were applied to the brain MRIs, and inferential statistics were employed to compare variables among the groups. Results. Cognitive impairment was observed in 56.7% of the participants (95% confidence interval (CI): 46.4–66.4%), with thirty-six older adults (40%) classified as MCI and 15 (17%) as MoCI. Cognitive impairment and medial temporal lobe (MTL) atrophy were found to be associated ( p=0.001 ), exhibiting higher mean volume scales of the MTL atrophied area in the MoCI group ( p<0.001 ). The MMSE accurately revealed MTL atrophy based on the Scheltens ( p<0.05 ) and Fazekas ( p<0.05 ) scales. At the same time, the MoCA accurately identified periventricular white matter (PWM) abnormalities according to the Fazekas scale ( p<0.05 ). Conclusions. The MMSE and MoCA screening tools effectively identified gray and white matter brain damage in older adults with varying degrees of cognitive impairment. Lower MMSE scores are associated with MTL atrophy and lesions, and lower MoCA scores are related to PWM lesions. The concurrent use of MMSE and MoCA is recommended for assessing structural changes in distinct brain regions.
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 | 0,013 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| 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 ».