Challenges in the Use of the Montreal Cognitive Assessment (MoCA) in Primary Health Care Settings in India
Notice bibliographique
Résumé
Background: With a rapidly ageing population, dementia rates are rising globally, posing challenges to individual health and healthcare systems. Early dementia detection is crucial for effective intervention and improved patient quality of life. The Montreal Cognitive Assessment (MoCA) is a commonly used cognitive screening tool with high sensitivity and specificity. However, implementing MoCA in primary healthcare (PHC) settings in India is met with significant challenges. Methods: This qualitative study explored the barriers healthcare professionals face in using MoCA within PHC settings in Karnataka, India. Twelve healthcare providers, including physicians and nurses, participated in semi-structured interviews. Data were analyzed using thematic analysis, yielding insights into the experiences and perspectives of PHC professionals regarding MoCA use. Results: Five major themes emerged: (1) insufficient training and knowledge about administering MoCA, (2) time constraints in busy clinical environments, (3) cultural and linguistic relevance of the assessment tool, (4) limited resources and accessibility in PHC settings, and (5) lack of integration with other health services. These barriers hindered effective cognitive screening, potentially leading to delayed diagnosis and intervention for cognitive impairment. Innovation: This study uniquely highlights the systemic barriers to implementing MoCA in India's PHC settings and proposes culturally relevant adaptations to the tool. The findings emphasize the importance of integrating cognitive screening within existing healthcare workflows, supported by tailored training programs and resource allocation strategies. These insights provide a foundation for creating context-specific cognitive screening tools and methodologies, advancing early detection of dementia in low-resource settings. Discussion and Conclusions: This study underscores the need for systemic changes to improve MoCA’s usability in PHC, including enhanced training, adaptation of the tool for acultural relevance, improved resources, and integrated care models. Addressing these barriers may enhance the early detection and management of cognitive disorders, fostering a more holistic approach to patient care in India’s PHC settings.
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 | 0,008 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,004 |
| Communication savante | 0,004 | 0,001 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».