MétaCan
Menu
Retour à la cohorte
Enregistrement W6964321927 · doi:10.25384/sage.c.5120132

Performance on the mini-mental state exam and the Montreal cognitive assessment in a sample of old age psychiatric patients

2020· other· en· W6964321927 sur OpenAlexaboutno aff

Notice bibliographique

RevueSage Journals Data · 2020
Typeother
Langueen
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMontreal Cognitive AssessmentDementiaCognitionTest (biology)Sample (material)Cognitive testCognitive impairmentMini–Mental State Examination

Résumé

récupéré en direct d'OpenAlex

Objective:This study assesses to what extent the Mini-Mental State Exam and the Montreal Cognitive Assessment scores may predict the presence of dementia in a sample of typical old age psychiatric patients who may or may not have temporally or permanently reduced cognitive abilities.Methods:A total of 141 inpatients completed the Mini-Mental State Exam and the Montreal Cognitive Assessment at arrival. All patients were subsequently diagnosed during their stay at the age-psychiatric unit. Receiver operating characteristics and analysis of variance were used to compare the results of the two tests for different patient groups.Results:The Montreal Cognitive Assessment is slightly more sensitive and specific than the Mini-Mental State Exam for dementia prediction. Age, sex, and education only account for approximately 2% of the variance in both tests. Patients with more than one diagnosis across the diagnostic groups included in this study (dementia, psychoses, affective disorder, and depression) performed significantly poorer on both tests than patients with a single diagnosis.Conclusions:Both tests are efficient in detecting cognitive impairment, but neither test can effectively exclude other reasons for low test results in our sample of elderly psychiatric patients. The sensitivity for ruling out dementia is 27 points for the Mini-Mental State Exam and 23 points for the Montreal Cognitive Assessment in the current patient sample.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,763
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,041
Tête enseignante GPT0,314
Écart entre enseignants0,273 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSage Journals DataTravaux en français237 207