Normative Data for the Montreal Cognitive Assessment (MoCA) in Mexican Adults: A Regression-Based Approach
Notice bibliographique
Résumé
Background/Objectives: The Montreal Cognitive Assessment (MoCA) is a widely used cognitive screening tool designed to detect cognitive impairment. However, evidence indicates that the original cut-off score of 26 and the one-point correction for low education may not be appropriate across diverse populations. In Latin America, and particularly in Mexico, existing validation studies are scarce and limited by small sample sizes. The objective of this study was to examine the effects of age and education on MoCA performance in Mexican adults and to develop regression-based normative data for more accurate interpretation. Methods: MoCA performance of 2546 cognitively healthy participants aged 18–99 years from two public health institutions in Mexico City was analyzed. Inclusion criteria required preserved cognition, functionality, independence, and absence of conditions directly affecting brain health. The Spanish version 8.1 of the MoCA was administered. Age-adjusted normative values were obtained. Then, regression analyses were applied to generate age- and education-adjusted norms. Results: MoCA total scores correlated negatively with age and positively with education, while sex showed no significant effect. Regression-based norms revealed that identical raw total scores have different normative interpretations depending on age and education. Conclusions: This study provides the first regression-based MoCA norms for Mexican adults, demonstrating that both age and education exert a substantial influence on test performance. These norms enable a more precise, culturally sensitive interpretation than fixed cut-off scores and reduce the risk of misclassification in clinical and research 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 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 | 0,003 |
| 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 ».