Utilidad de la evaluación cognitiva de Montreal en relación al minimental test para determinar deterioro cognitivo en pacientes con enfermedad de Parkinson, Hospital escuela Antonio Lenin Fonseca, Enero 2016
Bibliographic record
Abstract
Introducción: El deterioro cognitivo leve en la enfermedad de Parkinson se encuentra entre las característica no motoras de la enfermedad, con una alta prevalencia, contribuyendo de manera significativa en la mala calidad de vida en los pacientes con esta enfermedad, siendo un problema un problema habitual en la práctica clínica la detección del mismo, por lo que se requiere de instrumentos de detección altamente sensibles y específicos, que faciliten su diagnóstico y nos permita iniciar con las medidas farmacológica y no farmacológicas para su tratamiento. \n \nObjetivo: Comparar la utilidad del test MoCA en relación al MMSE para determinar deterioro cognitivo en pacientes con enfermedad de Parkinson, Hospital escuela Antonio Lenin Fonseca, enero 2016 \n \nMétodo: Dentro de nuestro estudio se evaluó la sensibilidad y especificidad de diferentes pruebas neuropsicológicas (Evaluación cognitiva de Montreal (MoCA) y Mini examen del estado mental (MMSE), en pacientes atendidos con Enfermedad de Parkinson en el Hospital Escuela Antonio Lenin Fonseca. \nResultados: Según curva COR encontramos que Moca y MMSE fueron capaces de determinar deterioro cognitivo, el área bajo la curva para el Moca fue de 0.75 (IC del 95% = 0.61 – 0.88; p .001) y para el MMSE fue de 0.57 (IC del 95% = 0.42 – 0.72; p .359) \n \nConclusión: la MoCA puede ser la prueba más adecuada para la detección de deterioro cognitivo en la EP. Sin embargo, se necesitan más estudios con mayor tamaño de la muestra para determinar el instrumento de detección más adecuado para el deterioro cognitivo.
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 | 0.003 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.001 |
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".