A Montreal Kognitív Felmérés (MoCa) magyar nyelvű adaptálása egészséges, enyhe kognitív zavarban és demenciában szenvedő idős személyek körében
Bibliographic record
Abstract
Az enyhe kognitív zavar (Mild Cognitive Impairment – MCI) az egészséges kognitív öregedés és a \ndemencia közé helyezhetô állapot, melynek korai szûrése kulcsfontosságú, hiszen az esetek 10–15%-a egy éven belül \nkomoly kognitív hanyatlásnak indul. Hazánkban mind a demencia, mind az enyhe kognitív zavar szûrésére a Mini- \nMentál Teszt a legelterjedtebb mérôeljárás, amelyet sok kritika ér az érzékenységét illetôen. A Montreal Kognitív Felmérés \n(Montreal Cognitive Assessment – MoCA) ezt a hiányosságot igyekszik kiküszöbölni, hiszen kifejezetten az enyhe \nkognitív zavar detektálására készült. Vizsgálatunkban a MoCA magyar nyelvre fordított változatából származó \neredményeket mutatjuk be. A depresszió kiszûrésére Beck Depresszió Kérdôívet (BDI) használtunk. A MoCA teszten az \nMCI-s és az egészséges személyek közti választóvonal 24 pont; a MoCA nagyobb érzékenységet mutatott az enyhe kognitív \nzavarra, mint a MMSE, valamint belsô konzisztenciája is erôsebb volt. A specificitás hasonló volt a két teszt esetében. \nA BDI teszten elért pontszámok egyik kognitív teszt eredményeivel sem álltak szignifikáns kapcsolatban. Eredményeink \narra utalnak, hogy a MoCA teszt hasznos kiegészítôje lehet a demenciaszûrésnek.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.000 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.002 |
| Bibliometrics | 0.001 | 0.004 |
| Science and technology studies | 0.002 | 0.010 |
| Scholarly communication | 0.000 | 0.009 |
| Open science | 0.011 | 0.006 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".