Prevalencia de probable deterioro cognitivo en adultos mayores de una población mexicana utilizando el MMSE y el MoCA
Bibliographic record
Abstract
RESUMEN Antecedentes: El Mini-Mental State Examination (MMSE) y el Montreal Cognitive Assessment (MoCA) son instrumentos de cribado usados frecuentemente para detectar probable deterioro cognitivo leve (DCL). El MoCA ha mostrado una mayor sensibilidad y especificidad en población clínica que el MMSE. Sin embargo, es posible que en la comunidad se sobreestime la proporción de personas con DCL utilizando el MoCA. Por lo anterior, el objetivo es identificar en adultos mayores de la comunidad, en la ciudad de México, la prevalencia de probable DCL utilizando el MoCA y el MMSE. Método: Se realizó un estudio descriptivo transversal, en una muestra de 231 participantes pertenecientes a grupos comunitarios con una edad entre 55 y 90 años y escolaridad de 0 a 22 años; se aplicó el MMSE y el MoCA. Resultados: Se obtiene una puntuación en MMSE de 25,0 ± 3,1 y en MoCA de 19,8 ± 5,4 con una correlación moderada (r = 0,59, p < 0,05) entre ellos. Un 84% de la población utilizando el MoCA y un 23,8% de la población utilizando el MMSE se clasifican con probable DCL. Conclusión: El MMSE puede dar una estimación más parecida a lo reportado en la literatura que el MoCA en la comunidad. Se discuten las implicaciones en políticas públicas, en el uso clínico y en investigación de una sobreestimación en la proporción de personas con probable DCL.
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 machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 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; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
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".