Acuerdo intra-interobservador en las pruebas Minimental State Examination (MMSE) y Montreal Cognitive Assessment (MoCA test) aplicados por personal en entrenamiento
Bibliographic record
Abstract
Introducción: en el proceso del diagnóstico neuropsicológico, los instrumentos de tamizaje cognitivo, son una herramienta útil en la identificación de cambios mentales del sujeto, en momentos puntuales o a través del tiempo. Su uso se fundamenta en el análisis psicométrico. Objetivo: determinar el acuerdo inter e intra-observador en el MoCA test y el MMSE, aplicado por profesores y estudiantes en procesos de entrenamiento de tamización cognitiva. Materiales y métodos: a los estudiantes y profesores en entrenamiento en la puntuación del MoCA test y el MMSE, se les presentó un video en dos sesiones, con un intervalo de 5 meses, mostrando el desempeño de dos adultos mayores, respondiendo el MoCA test y el MMSE, previo consentimiento informado. Se compararon los puntajes dados en las dos sesiones por los sujetos en entrenamiento, con los de ellos mismos (intra-observador), usando el coeficiente de concordancia y correlación de Lin(rho) y con los del grupo restante (inter-observador) usando el coeficiente de correlación intra-clase (ICC). Resultados: participaron 46 evaluadores. Se encontró alta confiabilidad inter-observador para el MoCA (ICC=0.86), pero baja para el MMSE (ICC=0.24) y baja confiabilidad intra-observador tanto para el MoCA (rho paciente 1=0.012 y rho paciente 2=0.152) como para el MMSE (rho paciente 1=0.008 y rho paciente 2=0.012). Aunque los puntajes difirieron, las clasificaciones diagnósticas realizadas por los evaluadores fueron similares a las del patrón de oro. Conclusión: la correcta aplicación del test, requiere varios entrenamientos, y aunque hubo pocas diferencias entre los puntajes, los errores cuando se está cerca del punto de corte propuesto, aumentan el riesgo de sesgo.
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 | 0.004 | 0.015 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 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".