Floor‐effect in the performance of the Spanish‐language MoCA by cognitively unimpaired Peruvian individuals with low educational background
Notice bibliographique
Résumé
BACKGROUND: The Montreal Cognitive Assessment (MoCA) stands as a prominent cognitive impairment screening tool, finding widespread use globally and existing in official versions across 14 languages, including Spanish. Despite this, the challenges emerge due to the extensive variations within the Spanish language, which is not only the fourth most spoken language worldwide but also possesses significant geographic diversity, particularly evident in regions like Peru. Here, the intersection of regional nuances, low educational backgrounds, and culturally distinct tasks complicates the application of a standard MoCA version. We aimed to assess MoCA performance in individuals with both high and low education levels from an urban region of Peru to investigate the applicability of MoCA in low-educated population. METHODS: A total of 40 cognitively healthy individuals with low education (less than 6 years, mean = 3.8 ±1.8) and 40 individuals with higher education (more than 6 years, mean = 14.1 ±3.5) participated in the study. We assessed them with the Spanish version 7.0 of MoCA and estimated total score and domain indices. We fitted linear regression models to evaluate age- and sex-adjusted differences between groups. We examined the presence of a floor effect in the low education group, defining it as the test's minimum possible score surpassing the mean minus three standard deviations. This observation indicates a lack of sensitivity in capturing normal inter-individual variation at lower values. To delve deeper, we employed a three-parameter Item Response Theory model (IRT) to estimate the difficulty of each test item. RESULTS: We observed significant differences in the total MoCA score (b = 9.3, 95% CI: 7.7,11, p<0.001) as well as in the memory index (MoCA-MIS, b = 5.9, 95% CI: 4.4, 7.5, p<0.001), executive function (MoCA-EIS, b = 5.0, 95% CI:4.0,6.0 p<0.001), attention (MoCA-AIS, b = 5.5, 95% CI: 4.4, 6.6, p<0.001), and the remaining subscores (Figure 1). Floor effect was detected in memory, executive, language, and visuospatial indices. (Table 1) The more complex items identified were repetition and abstraction tasks (Figure 2) CONCLUSION: Our results shows that MoCA indices can be significantly influenced by education, floor effect is present even in healthy individuals, and certain items need to be reconsidered due to their difficulty in this context.
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 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».