Kognitiver Screeningtest für Hörgeschädigte: Validierung des deutschsprachigen MoCA-H
Bibliographic record
Abstract
Mit zunehmendem Alter nehmen nicht nur unsere sensorischen, sondern auch unsere geistigen Fähigkeiten ab. Herkömmliche, zumeist auditiv basierte kognitive Testbatterien können diese oftmals nicht sicher voneinander abgrenzen. Der kürzlich entwickelte Montreal-Cognitive-Assessment-H (MoCA-H), in dem neben der visuellen Instruktionsgabe zwei Tests durch non-auditive Aufgaben ersetzt wurden, ermöglicht auch eine Anwendung bei Vorliegen einer Hörminderung. Bislang liegen nur Daten für ein englischsprachiges Kollektiv vor. 346 Patienten≥60 (mittleres Alter 77,18 (SD 9,56)) ohne (n=160) und mit kognitiver Einschränkung (n=79 mit MCI und n=107 mit Demenz) wurden eingeschlossen. Die Kognition wurde anhand des GPCOG, eines detaillierten medizinischen Fragebogens und bei Vorliegen einer kognitiven Beeinträchtigung anhand einer umfassenden neurologischen Untersuchung eingeschätzt. Die Erstellung der Cut-off Werte erfolgte anhand des balancierten Cutoffs, des Youden"s Index und im Vergleich zum Cut-off des Englischen MoCA-H. Kognitiv gesunde Probanden erzielten im Mittel einen Gesamtwert von 25,49 (SD 3,01), Patienten mit MCI 20,08 (SD 2,29) und Demenzpatienten 15,8 (SD 3,85) Punkte. Mit einer Sensitivität von 96,3% und einer Spezifität von 90% unterscheidet ein Punktwert von≤21 gesunde von dementen Patienten. Zur MCI-Detektion wird ein Cut-off-Range zwischen 22 und 24 Punkten nahegelegt, mit einer Sensitivität von 97,5% und einer Spezifität von 90%. Der MoCA-H ist geeignet, um kognitiv Gesunde von MCI- und von Demenzpatienten zu unterscheiden, auch wenn ein Screeningtest keine umfassende neuropsychiatrische Untersuchung ersetzen kann.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.006 | 0.018 |
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".