Dementia and Mild Cognitive Impairment Identification in Illiterate and Low-Educated People: Systematic Review About the Use of Brief Cognitive Screening Tools
Notice bibliographique
Résumé
The rising prevalence of dementia, particularly in low-income and developing countries, highlights the urgent need for effective cognitive screening tools. However, the existing tools often fail to address the unique needs of low-educated and illiterate populations, leading to diagnostic disparities. This review aimed to evaluate cognitive screening tests and domains employed globally to detect mild cognitive impairment (MCI) and dementia in low-educated and illiterate older adults. Following the PRISMA guidelines, Searches were performed in Web of Science, Scopus, and PubMed, targeting studies from January 2000 to 2023 involving adults over 45 years old. Of 1611 studies identified, 27 met the inclusion criteria and underwent pair review. The results revealed that most studies preferred adapting the existing tools to local languages over developing culturally tailored instruments. Twelve cognitive tests specifically designed for low-educated populations were identified, with the Mini-Mental State Examination (MMSE) and Montreal Cognitive Assessment (MoCA) being the most utilized, despite their educational biases. Adjusting the cutoff points improved detection (e.g., MoCA: sensitivity 82.5%, specificity 82%). Notably, the Rowland Universal Dementia Assessment Scale (RUDAS) demonstrated superior performance for low-educated groups (sensitivity 89% and specificity 93%). The findings underscore the critical need for region-specific cognitive batteries that integrate functional assessments, ensuring equitable and accurate diagnosis across diverse educational backgrounds.
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 | 0,007 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,005 |
| Bibliométrie | 0,009 | 0,008 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».