Performance of the Brain Health Test-7, Mini-Mental State Examination, and Montreal Cognitive Assessment for detecting subjects with mild cognitive impairment
Notice bibliographique
Résumé
OBJECTIVES: The Brain Health Test-7 (BHT-7), Mini-Mental State Examination (MMSE), and Montreal Cognitive Assessment (MoCA) are valid dementia and mild cognitive impairment (MCI) screening tools. Relevant validation studies have usually used receiver operating characteristic (ROC) curve analysis or a fixed-threshold approach. In this study, we adopted stratum-specific likelihood ratio (SSLR) analysis to capture more information about their performance in detecting MCI. DESIGN: Cross-sectional multi-site study. SETTING: Hospitals in northern and southern Taiwan. PARTICIPANTS: 1090 subjects aged 50 years or older were assigned to a cognitively normal group, an MCI group, or a dementia group. MEASUREMENTS: BHT-7, MMSE, and MoCA to differentiate cognitively normal subjects from those with MCI or dementia. RESULTS: The three cognitive assessment tools were valid for detecting subjects with MCI or dementia according to ROC analysis. The overall area under the ROC curve (AUC) of the BHT-7 was significantly higher than that of the MoCA and MMSE in differentiating MCI or dementia from controls. Five strata were generated by SSLR analysis for the BHT-7 and MoCA, while 4 for the MMSE. The five strata of the BHT-7 and MoCA well represented the different degrees of probabilities of having MCI. However, it was still difficult to rule out the presence of MCI even by a test score within the highest-score stratum of the MMSE. CONCLUSIONS: The BHT-7 performed slightly better than MoCA and MMSE in detecting subjects with MCI. The strata generated from the SSLR analysis were more informative than single cutoff values.
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 | 0,001 | 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 | 0,000 |
| 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 ».