MétaCan
Menu
← Retour à la cohorte
Enregistrement W7117256320 · doi:10.1002/alz70858_103705

MoCA Cognition Digital Platform Supports Brain Health in the Community

2025· article· en· W7117256320 sur OpenAlexaffabout
Ziad Nasreddine, Thomas Tannou, Paolo Vitali, Félix Pageau, Marie Christine Le Bourdais, Guy Lacombe, Murray Gilles, Laura Klaming, Willem Huijbers

Notice bibliographique

RevueAlzheimer s & Dementia · 2025
Typearticle
Langueen
DomainePsychology
ThématiqueDigital Mental Health Interventions
Établissements canadiensQ & T ResearchAlzheimer Society of CanadaUniversité LavalUniversité de SherbrookeCentre Hospitalier Universitaire de SherbrookeMcGill University Health CentreCentre Intégré Universitaire de Santé et de Services Sociaux du Centre-Sud-de-l'Île-de-Montréal
Organismes subventionnairesnon disponible
Mots-clésCognitionMontreal Cognitive AssessmentDigital healthPsychological interventionIntervention (counseling)Test (biology)Social cognitive theoryCognitive decline

Résumé

récupéré en direct d'OpenAlex

MoCA Cognition has developed an innovative digital platform designed to empower individuals to assess and monitor their cognitive performance through the XpressO Test by MoCA. This user-friendly platform offers a comprehensive tool for early detection and intervention in cognitive decline, allowing users to track changes in their cognitive abilities over time. The XpressO Test provides a fast, reliable evaluation that measures key cognitive functions, enabling individuals to better understand their brain health and take proactive steps in maintaining it. One of the platform's standout features is its Brain Health Score, which is based on the 2024 Lancet-modifiable risk factors for cognitive decline. This score offers a personalized measure of brain health, considering various factors such as diet, exercise, sleep, and cognitive and social engagement. By quantifying these elements, the Brain Health Score provides valuable insights into areas that may require attention, offering actionable guidance to improve cognitive well-being. In addition to the cognitive assessment, the platform provides recommendations for lifestyle changes that can help reduce the risk of cognitive decline. These lifestyle interventions may include suggestions for improving sleep quality, increasing physical activity, adopting healthier dietary habits, and engaging in activities that stimulate the mind. By addressing these modifiable risk factors, users enhance their brain health and potentially delay or prevent cognitive decline. The platform includes a medical questionnaire designed to identify underlying medical conditions or factors that may be influencing cognitive performance. This includes the impact of poor sleep, high stress, depression, and the use of certain psychotropic medications. By identifying these potential factors, the platform enables users to seek targeted interventions from healthcare providers, optimizing their chances for improved cognitive health. Overall, MoCA Cognition's digital platform offers a valuable, accessible resource for individuals seeking to monitor and enhance their brain health, providing early detection, and proactive steps to maintain cognitive well-being. The advantages of this platform align with the strategy of our collaborative group. It not only enhances the quality and accessibility of care but also empowers communities to take an active role in supporting individuals with neurocognitive disorders, ultimately improving their quality of life and care outcomes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,060
Score d'incertitude au seuil0,202

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,010
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,000
Communication savante0,0020,002
Science ouverte0,0020,005
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0600,016

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 Opus0,063
Tête enseignante GPT0,394
Écart entre enseignants0,331 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAlzheimer s & Dementia→Même sujetDigital Mental Health Interventions→Travaux en français237 207→