Optimal cut‐off scores for mild cognitive impairment and dementia of the Spanish version of the Montreal Cognitive Assessment in Costa Rican older adults
Notice bibliographique
Résumé
BACKGROUND: Alzheimer's disease and related dementias (AD/ADRD) burden in Costa Rica is expected to become one of the highest in the region. Early detection will help optimize resources and improve primary care interventions. The Montreal Cognitive Assessment (MoCA) has shown good sensitivity for detection of mild cognitive impairment (MCI), but specificity varies depending on the population. This motivates the analysis of different cut-offs to minimize false-positive classifications in a Costa Rican sample for its use in clinical settings. METHODS: Data was analyzed from 516 memory clinic outpatients (148 cognitively normal, 260 MCI, 108 mild dementia; mean age 66.3 ± 10.8 years) who underwent complete neurological and neuropsychological assessment and were diagnosed by consensus. Optimal MoCA cut-off scores were identified using the Youden's Index, balanced cut-offs, and specificity scores. RESULTS: Overall, a cut-off score of ≥23 showed better accuracy to distinguish between NC and MCI (sensitivity 73%, specificity 83%). When analyzed by educational levels, cut-off scores of ≥21 showed better accuracy for ≤6 years (sensitivity 80%, specificity 76%), ≥23 for 7-12 years (sensitivity 86%, specificity 76%) and ≥24 for ≥12 years (sensitivity 70%, specificity 85%). For distinguishing MCI from mild dementia, the optimal overall cut-off score was ≥15 (sensitivity 65%, specificity 85%). When stratified by years of education, cut-off scores of ≥14 showed better accuracy for ≤6 years (sensitivity 70%, specificity 88%), ≥15 for 7-12 years (sensitivity 79%, specificity 95%) and ≥17 for ≥12 years (sensitivity 67%, specificity 93%). CONCLUSIONS: A MoCA cut-off score of ≥23 in Costa Rican population showed better diagnostic accuracy and may reduce the false positive rate. Our findings may be helpful for primary care clinical settings and further referral criteria.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».