Normative Data of Montreal Cognitive Assessment (MoCA) in Tamil-Speaking Adults
Notice bibliographique
Résumé
CONTEXT: Cognitive evaluation to determine possible cognitive decline highlights the need for a thorough neuropsychological assessment for early detection. The Montreal Cognitive Assessment (MoCA), is a commonly used screening tool that is comparatively quick and simple to administer, score, and interpret. Subtests of MoCA assess memory, language, visuospatial functions, and executive functions. AIMS: The present study aims to generate normative data for the Tamil version of the Montreal Cognitive Assessment (MoCA-TAM) in Tamil-speaking adults. DESIGN AND SETTINGS: Cross-sectional study conducted in three districts of Tamil Nadu. METHODS AND MATERIAL: A total of 450 healthy Tamil native speakers with varying ages (21-80 years) and education levels (primary level to university) were recruited as participants. The Tamil version of the Montreal Cognitive Assessment (MoCA-TAM) was used for assessing the cognitive domains. Scores were analyzed to see the impact of age, gender, and years of education on MoCA-TAM scores and individual cognitive domains. STATISTICAL ANALYSIS: Descriptive statistics and Regression analyses were done to evaluate the mean, standard deviation, impact of age, gender, and education on MoCA-TAM scores and individual cognitive domains. RESULTS: The mean value for MoCA-TAM was 24.89 with SD 2.944. MoCA-TAM scores were lower with increasing age and lower education and no statistically significant relationship was found between gender and MoCA-TAM score. CONCLUSIONS: The present study provides the normative data of MoCA-TAM with a single cut-off score (22) to differentiate normal from cognitively impaired.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 |
| 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 ».