Montreal Cognitive Assessment’s auditory items (MoCA-22): Normative data and reliable change indices
Notice bibliographique
Résumé
Our objective was to establish normative data and reliable change indices (RCI) for the Montreal Cognitive Assessment’s auditory items (MoCA-22). 4,935 cognitively unimpaired participants were administered the MoCA during an in-person visit to an Alzheimer’s Disease Research Center (Mage = 67.9, Meducation = 16.2, 65.8% women, 75.9% non-Hispanic-White), with 2,319 unimpaired participants returning for follow-up. Normative values and cutoffs were developed using demographic predictions from ordinary and quantile regression. Test-retest reliability was calculated using Spearman and intraclass correlations. RCI values were calculated using Chelune and colleagues’ (1993) formula. Education, age, and sex were all statistically related to MoCA-22 scores, with education having the strongest relationship. Notably, these relationships were not consistent across MoCA-22 quantiles, with education becoming more important and sex becoming less important for predicting low scores. These models were integrated into a calculator for deriving normative scores for an individual case. Furthermore, there was adequate-to-good test-retest reliability (ϱ = 0.56 95% CI [.54, .59]; ICC = 0.75, 95% CI [.73, .77]) and changes of at least 2-3 points are necessary to identify reliable change at 1-3-year follow-up. These findings add to the literature regarding utility of the MoCA-22 in the cognitive screening of older adults.
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 | 0,014 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,005 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 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) | 0,001 | 0,001 |
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 ».