Investigating the measurement precision of the montreal cognitive assessment (MoCA) for cognitive screening in parkinson’s disease through item response theory
Notice bibliographique
Résumé
Background: The Montreal Cognitive Assessment (MoCA) is widely used to evaluate global cognitive function; however, its precision in measurement in heterogeneous populations—especially among patients with Parkinson’s disease (PD)—remains underexplored. Methods: In this multicenter cross-sectional study, we examined the psychometric properties of the Brazilian Portuguese MoCA in 484 PD patients (age range, 26–90 years; mean ± SD, 59.9 ± 11.1 years; disease duration range, 1–35 years; mean ± SD, 8.7 ± 5.4 years) using Item Response Theory (IRT). The Graded Response Model (GRM) was employed to estimate item difficulty and discrimination parameters, and differential item functioning (DIF) concerning age and education was investigated via a Multiple Indicators Multiple Causes (MIMIC) model. Results: The MoCA demonstrated essential unidimensionality and robust model fit. GRM analyses revealed that items within the Attention and Naming domains had high discrimination, indicating sensitivity to subtle cognitive deficits, while Memory items exhibited lower discrimination. Orientation items showed low difficulty thresholds, suggesting a propensity for ceiling effects. The MIMIC model further indicated that age and education significantly influenced overall scores: increasing age was associated with lower performance, whereas higher educational attainment correlated with better outcomes, particularly in Memory Recall and Executive/Visuospatial domains, even after accounting for their modest inverse relationship. Conclusions: Our findings support the validity of the Brazilian Portuguese MoCA for cognitive screening in PD while highlighting item-level biases linked to age and education. These results advocate for using education-adjusted norms and computerized scoring algorithms that incorporate item parameters, ultimately enhancing the reliability and fairness of cognitive assessments in diverse clinical populations.
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 | 0,048 | 0,126 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| 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 ».