Notice bibliographique
Résumé
Objective: To establish the diagnostic accuracy of the Montreal Cognitive Assessment (MoCA) when screening externally validated cognition in Parkinson disease (PD), by comparison with a PD-focused test (Scales for Outcomes in Parkinson disease–Cognition [SCOPA-COG]) and the standardized Mini-Mental State Examination (S-MMSE) as benchmarks. Methods: A convenience sample of 114 patients with idiopathic PD and 47 healthy controls was examined in a movement disorders center. The 21 patients with dementia (PD-D) were diagnosed using Movement Disorders Society criteria, externally validated by detailed independent func-tional and neuropsychological tests. The 21 patients with mild cognitive impairment (PD-MCI) scored 1.5 SD or more below normative data in at least 2 measures in 1 of 4 cognitive domains. Other patients had normal cognition (PD-N). Results: Primary outcomes using receiver operating characteristic (ROC) curve analyses showed that all 3 mental status tests produced excellent discrimination of PD-D from patients without dementia (area under the curve [AUC], 87%–91%) and PD-MCI fromPD-N patients (AUC, 78%–90%), but the MoCA was generally better suited across both assessments. The optimal MoCA screening cutoffs were!21/30 for PD-D (sensitivity 81%; specificity 95%; negative predictive value [NPV] 92%) and!26/30 for PD-MCI (sensitivity 90%; specificity 75%;NPV95%). Further support that theMoCA is at least equivalent to the SCOPA-COG, and superior to the S-MMSE, came from the simultaneous classification of the 3 PD patient groups (volumes under a 3-dimensional ROC surface, chance "
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 | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,601 | 0,470 |
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 ».