Reflexionar, medir, proyectar: MoCA en ELEAM desde la experiencia clínica hacia la investigación en Terapia Ocupacional
Bibliographic record
Abstract
El envejecimiento poblacional en Chile ha incrementado la prevalencia de deterioro cognitivo en los Establecimientos de Larga Estadía para Adultos Mayores (ELEAM), superando el 60% de los residentes y evidenciando la necesidad de evaluaciones sensibles y adaptadas al contexto. Instrumentos tradicionales, como el cuestionario de Pfeiffer o el test Mini-Mental, presentan limitaciones en la detección de alteraciones leves, lo que ha favorecido la incorporación de Montreal Cognitive Assessment (MoCA) como herramienta de mayor sensibilidad. Este artículo sistematiza la experiencia de aplicación del MoCA en tres ELEAM de la Región de Valparaíso entre 2022 y 2025, con aproximadamente 60 residentes evaluados. Los resultados muestran su utilidad para identificar déficits en memoria diferida y funciones ejecutivas, así como limitaciones en casos de deterioro cognitivo severo y en población con baja escolaridad. La integración de instrumentos complementarios, como la Functional Independence Measure (FIM), el índice de Hernández-Neuman (AVDi), el Frontal Assessment Battery (FAB) y el Test de Alteración de Memoria (T@M), permitió un análisis más integral y la construcción de planes de atención interdisciplinarios centrados en la persona. La experiencia fortaleció el rol del terapeuta ocupacional como articulador entre la evaluación cognitiva y la funcionalidad, y proyecta la necesidad de un estudio exploratorio de carácter descriptivo-correlacional para validar y adaptar el MoCA en el contexto nacional, aportando evidencia para su inclusión en protocolos institucionales y políticas públicas orientadas a la atención de personas mayores institucionalizadas.
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 | 0.009 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.003 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 0.002 |
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".