My patient might be depressed – can I still screen for MCI? Exploring cognitive performance on the MoCA in older people screened for depressive symptoms with the PHQ-9
Notice bibliographique
Résumé
OBJECTIVE: The aim of this study was to compare the Montreal Cognitive Assessment (MoCA) performances of people who report no, subclinical, and clinical symptoms of depression. METHODS: Data was collected for the randomized controlled trial BrainFit-Nutrition. A secondary data analysis of 1,111 participants (age ≥ 60 years; M = 68.4 years; 55.1% female) was performed. Depressive symptoms were assessed with the Patient Health Questionnaire-9 (PHQ-9), cognitive performance was assessed via the MoCA. Performance differences were tested with Kruskal-Wallis tests. Two sensitivity analyses were conducted, one with data from people with MCI and one with the original item structure of the MoCA. RESULTS: No differences were found in the MoCA total score or in visuospatial, executive functioning, attention, memory, or orientation subscores between individuals with no, subclinical, or clinical symptoms of depression. A sensitivity analysis also showed no differences. CONCLUSION: Cognitive screening with the MoCA seems to be robust against depression and could therefore be used to screen for MCI regardless of depression level. TRIAL REGISTRATION: The study was prospectively registered at the International Standard Randomized Controlled Trial Number Registry on 23/11/2021 (ISRCTN 10560738).
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 | 0,004 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».