Puntuaciones del MoCA y el MMSE en pacientes con deterioro cognitivo leve y demencia en una clínica de memoria en Bogotá
Notice bibliographique
Résumé
Introducción. Diferentes pruebas neuropsicológicas permiten explorar las funciones cognitivas del adulto mayor, en un tiempo corto. En Colombia se dispone de pocos estudios sobre puntuaciones y puntos de corte para el MMSE y para el MoCA en relación al diagnóstico de deterioro cognitivo. Objetivo. Describir la distribución de las puntuaciones del MMSE y el MoCA y los puntos de corte con mejor discriminación, para el diagnóstico de deterioro cognitivo leve y demencia, en una muestra de pacientes de Bogotá. Material y métodos. Se evaluaron 248 pacientes por un equipo multidisciplinario, que consultaron a la Clínica de Memoria del HIUSJ entre 2009-2012, siguiendo un protocolo establecido. Se identificaron las puntuaciones del MoCA y MMSE, que permitieron obtener el mayor porcentaje de pacientes correctamente clasificados. Resultados. En el 70% de los pacientes con DCL y en el 69 % de los sujetos normales, se encontraron puntuaciones del MMSE inferiores o iguales a 28. En 91% de pacientes con DCL y 84% de los sujetos normales, se presentaron puntuaciones del MoCA inferiores o iguales a 25. Los pacientes con cualquier tipo de demencia, presentaron puntuaciones del MMSE inferiores o iguales a 27 e inferiores o iguales a 24 en el MoCA. Conclusión. Según el presente estudio, el tamizaje de funciones cognitivas, utilizando el MoCA, clasifica de manera más acertada que el MMSE, a los sujetos con deterioro cognitivo. Creemos que en atención primaria, estos puntos de corte del MoCA, pueden ser considerados por ahora, cuando se trate especialmente de sujetos con alta escolaridad.
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 | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,020 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».