Meta-analysis of generalization reliability of the Montreal Cognitive Assessment (MoCA) questionnaire in cognitive impairment
Notice bibliographique
Résumé
Introduction Dementia is a syndrome of high prevalence and health impact. The Montreal Cognitive Assessment (MoCA) questionnaire is a screening tool whose use has increased in recent years, especially in cases of mild cognitive impairment. Some studies suggest that its ability to detect cognitive impairment, especially in early or mild stages, seems to be greater than gold-standard instruments (Ciesielska et al., 2016). Objectives We have performed a meta-analysis of reliability generalization to see if different adaptations and use in different contexts show consistent results. Methods We performed a literature search in PyscINFO and Medline with the terms “Cognitive impairment” AND “internal consistency” AND “Cronbach”, using the following inclusion criteria: 1. Be a study in which the MoCA scale was applied to a population sample. 2. Studies published in the last 10 years. 3. Studies that provide the reliability coefficient or sufficient data to calculate them. 4. Be written in English or Spanish. We have limited our study to the last 10 years and the English language has given us a total of 19 results in Medline and 132 results in PsycINFO. Subsequently, we completed this search by snowball sampling. A random effects model was assumed for the statistical calculations and the transformation of our values using the Hakstian and Whalen (1976) proposal. Statistical analysis was performed with the MAJOR package of the Janovi program, based on the R environment. Results We obtained a mean reliability for the transformed test scores of 0.42 (95% CI: 0.38 - 0.45), as well as high heterogeneity measured by Cochran’s Q statistic and the I 2 index, which is attributed after analysis of moderating variables to the geographical adaptation of the questionnaire and the type of patient on whom it is applied. Our Funnel Plot graph indicates that we do not appear to have committed a publication bias. Conclusions Our meta-analysis shows high heterogeneity, mainly explained by the population of origin, both geographically (continent) and clinically (presence of primary cognitive impairment or not), with special incidence in those with impairment secondary to other pathologies, mainly neurological. However, we should consider the high probability that we have not included important variables in our analysis that could increase the explanatory power of our model. Disclosure of Interest None Declared
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) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,002 |
| 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 ».