Drivers of Below‐Cutoff Scores on Bedside Cognitive Screening in Cognitively Normal Ethnoracially Diverse Adults
Notice bibliographique
Résumé
Abstract Background Bedside cognitive screening tools intend to reliably and efficiently detect cognitive impairment in research, clinical, and community settings. Black American (BA) and Hispanic/Latino (H/L) adults obtain lower performance on widely used screeners, largely driven by demographics and structural and social determinants of health (SSDoH). This study characterized the performance of the Montreal Cognitive Assessment (MoCA) performance in a cohort of cognitively normal ethnoracially diverse adults while considering cohort‐specific factors that contributed to misclassification of impairment. Method Cognitively normal BA and H/L participants completed a comprehensive neurological assessment, neuropsychological testing, and MRI and amyloid‐ and tau‐PET imaging as part of a longitudinal study of memory and aging at Mayo Clinic in Florida. Demographically adjusted MoCA cutoffs were applied to BA (MoCA ≤ 22) and WH/L (MoCA ≤ 24) subgroups. Hierarchical binary logistic regression assessed whether amyloid burden (Centiloid value) improved prediction of scoring below demographically adjusted MoCA cutoffs beyond demographic/SSDoH factors, including age, education, and Area Deprivation Index (ADI). Result Participants included 105 (47 WH/L, 58 BA/AA) cognitively normal adults (mean age = 64.71 years, SD = 8.91; 62.9% female) with average of 16.07 years of education (SD=2.35) and mild‐to‐moderate neighborhood disadvantage (mean ADI=47.60, SD=23.77). 40% of H/L participants (MoCA (≤ 24) and 17% of BA participants (MoCa ≤22) scored below demographically adjusted MoCA cut‐offs. For the H/L subgroup, the best fitting model included age, education, ADI, and amyloid burden ( R 2 = 0 .43, χ 2 = 10.98, p = 0.03). Age (OR=1.21, 95% CI: 0.986 – 1.487) and amyloid burden (OR = 0.83, 95% CI: 0.67 – 1.03) approached statistical significance as individual predictors ( p = 0.06, p = 0.09). In the BA/AA subgroup, the best fitting model included age, education and ADI only ( R 2 = 0.47, χ 2 = 9.06, p = 0.02), with education approaching significance as an individual predictor (OR=0.46, 95% CI: 0.21 – 1.01, p = 0.05). Conclusion Sociodemographic factors continued to drive low MoCA performance in cognitively normal individuals despite applying demographically adjusted cut‐off scores by subgroup. These factors differentially impacted performance among BA/AA and WH/L participants. Careful consideration of these factors is warranted to mitigate risk of overdiagnosing impairment based on cognitive screening across clinical and research settings.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».