Psychometric Reliability, Validity, and Generalizability of MoCA in American Indian Adults: The Strong Heart Study
Notice bibliographique
Résumé
Standardized neuropsychological instruments are used to evaluate cognitive impairment, but few have been psychometrically evaluated in American Indians. We collected Montreal Cognitive Assessment (MoCA) in 403 American Indians 70 to 95 years, as well as age, sex, education, bilingual status, depression symptoms, and other neuropsychological instruments. We evaluated inferences of psychometric validity, including scoring inference using confirmatory factor analysis and structural equation modeling, generalizability inference using reliability coefficient, and extrapolation inference by examining performance across different contexts and substrata. The unidimensional (total score) model had good fit criteria. Internal consistency reliability was high. MoCA scores were positively associated with crystallized cognition (ρ = 0.48, p < .001) and inversely with depression symptoms (ρ = −0.27, p < .001). Significant differences were found by education ( d = 0.79, p < .05) depression ( d = 0.484, p < .05), and adjudicated cognitive status ( p = .0001) strata; however, MoCA was not sensitive or specific in discriminating cognitive impairment from normal cognition (area under the curve <0.5). MoCA scores had psychometric validity in older American Indians, but education and depression are important contextual features for score interpretability. Future research should evaluate cultural or community-specific adaptations, to improve test discriminability in this underserved population.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».