A normative calculator for MoCA domain scores: proxy for Z-scores of conventional neuropsychological tests
Notice bibliographique
Résumé
BACKGROUND: Test items in MoCA (Montreal Cognitive Assessment) can be used to generate 5 domain scores (i.e. Memory, Language, Attention, Executive and Visuospatial) which have been shown to approximate well-established neuropsychological tests. As neuropsychological tests are known to be affected by age, sex, education, and language of administration, this study derived a regression-based Z-score calculator for MoCA Domain Scores (MDS) that adjusts individual performance for these key confounders; with the intention of improving the clinical utility of MDS as a proxy for conventional neuropsychological tests. METHODS: Participants ≥ 50 years were recruited from Alzheimer's Disease Centers across USA (n = 25,330), and completed MoCA and conventional neuropsychological tests. A subset with normal cognition and global Clinical Dementia Rating of 0 (n = 11,371) was used to derive the Z-score calculator for MDS; while the full sample (n = 25,330) verified the performance of MDS Z-scores in detecting domain-specific impairments (as defined by conventional neuropsychological tests), using areas under the receiver operating characteristic curve (AUC). RESULTS: MDS varied significantly by age, sex, education, and language of administration even among participants with normal cognition. Based on age-, sex-, education-, and language-adjusted Z-scores, the respective AUCs were 91.2% for MoCA-Memory (95%CI 90.7-91.6), 83.6% for MoCA-Language (95%CI 83.0-84.3), 88.7% for MoCA-Attention (95%CI 88.0-89.4), 85.5% for MoCA-Executive (95%CI 84.8-86.1), and 81.0% for MoCA-Visuospatial (95%CI 80.2-81.8). At the commonly-used cut-off of Z-scores ≤ -1.50, all the MDS had specificities of ≥ 80%. CONCLUSIONS: MDS Z-scores can be easily computed using the newly-developed Excel-based calculator, and provide a viable alternative when conventional neuropsychological tests are needed but cannot be feasibly administered, such as in non-specialty clinics with large volume of patients at high-risk of cognitive impairment (e.g. primary-care, geriatric, and stroke-prevention clinics), and, with further validation and calibration, plausibly also in other resource-limited healthcare settings (e.g. in lower- and middle-income countries). They can complement neuropsychological tests as part of the systematic evaluation of cognitive impairment, and help reserve neuropsychological tests for patients most likely to benefit from further evaluation.
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 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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 ».