INTRODUÇÃO: A busca pelo diagnóstico cada vez mais precoce das demências traz a necessidade de estratégias mais eficientes na utilização dos testes cognitivos. A definição dos parâmetros de normalidade para esses testes é particularmente desafiadora no contexto brasileiro de baixa escolaridade e grande heterogeneidade sociocultural. OBJETIVO: Avaliar os efeitos de diferentes estratégias de ajuste de normas nas propriedades do Mini-Exame do Estado Mental (MEEM). MÉTODOS: Duzentos e trinta idosos encaminhados a um serviço de Geriatria por suspeita de comprometimento cognitivo foram recrutados sequencialmente e submetidos ao MEEM. Todos os pacientes passaram por uma segunda avaliação cega para o resultado do MEEM, constituída de testagem neuropsicológica e entrevista com um informante para obtenção de diagnóstico padrão-ouro. Para o ajuste de normas, quatro fatores preditores foram testados: (1) características sociodemográficas; (2) uma classificação simples de alfabetismo funcional com quatro níveis; (3) um questionário de habilidades cognitivas pré-morbidas respondido pelo informante; (4) um teste de leitura de palavras aplicado diretamente ao paciente. Três técnicas de predição foram testadas: (1) agrupamento em níveis; (2) regressão linear; (3) regressão não-linear por modelo polinomial fracional. As combinações de fatores preditores e técnicas de predição deram origem a vinte modelos que foram testados individualmente na comparação com o MEEM sem ajuste. Os desfechos avaliados foram a acurácia do modelo na detecção de comprometimento cognitivo e a variação da sensibilidade e da especificidade entre os níveis socioeconômicos. RESULTADOS: Entre os 230 idosos recrutados, 106 (46%) apresentavam envelhecimento cognitivo normal, 56 (24%) comprometimento cognitivo sem demência e 68 (29%) demência. A classificação de alfabetismo funcional, o questionário de habilidades cognitivas pré-mórbidas e o teste de leitura de palavras não apresentaram propriedades adequadas para ajuste de normas, mas as limitações podem estar relacionadas a problemas específicos dos instrumentos utilizados e não devem ser generalizadas. Alguns modelos baseados em fatores sociodemográficos foram capazes de melhorar a acurácia do MEEM, resultado que diverge da literatura atual e que deve ser confirmado em outros estudos com populações de baixa escolaridade. Um modelo polinomial fracional utilizando variáveis sociodemográficas apresentou propriedades ótimas de acurácia e promoveu estabilização da sensibilidade e da especificidade entre os níveis socioeconômicos. A partir das equações geradas por esse modelo podem ser construídas tabelas simples de uso clínico para converter o resultado bruto em escore z ou percentil. CONCLUSÕES: Nossos resultados apontam o modelo polinomial fracional baseado em variáveis sociodemográficas como a melhor opção para ajuste de normas de testes cognitivos em nosso meio / INTRODUCTION: The need for diagnosing dementia early demands effective strategies on the use of cognitive tests. Establishing criteria of normality for these tests is a challenging task in environments of low education and enormous sociocultural heterogeneity such as observed in Brazil. OBJETIVE: To evaluate how different strategies for adjusting norms can change the properties of the Mini-Mental Status Examination (MMSE). METHODS: Two hundred and thirty older adults referred for a geriatric service because of suspected cognitive impairment were recruited sequentially and completed the MMSE. All the patients underwent a second assessment, blind to the result of the MMSE, which was composed of a neuropsychological battery and an interview with a close informant for the establishment a gold-standard diagnosis. For the adjustment of the norms, four predictive factors were evaluated: (1) demographic characteristics; (2) a simple classification of functional literacy with four levels; (3) a premorbid abilities questionnaire; (4) a word-reading test. Three techniques of prediction were evaluated: (1) grouping in demographic or ability levels; (2) simple or multivariate linear regression; (3) nonlinear regression by using a fractional polynomial model. Some possible combinations of predictive factors and prediction techniques originated twenty models that were assessed individually in comparison with the raw MMSE scores. The endpoints assessed were accuracy of the model for detecting cognitive impairment and the variation of the sensibility and specificity across socioeconomic levels. RESULTS: Of the 230 older adults recruited, 106 (46%) had normal cognitive aging, 56 (24%) presented cognitive impairment no dementia (CIND) and 68 (29%) had dementia. The functional literacy classification, the premorbid cognitive abilities questionnaire and the word-reading test did not present adequate properties for the adjustment of norms, but the limitations may be associated to specific problems of the instruments an cannot be generalized. Some models based on the demographic characteristics were able to improve the accuracy of the MMSE. This finding diverges from the currently available literature and should be confirmed in further studies with low-educated populations. A fractional polynomial model employing demographic factors presented very good properties and was able to stabilize the sensibility and the specificity across the socioeconomic levels. The equations generated by this model can be employed to construct practical tables for converting raw scores into z scores and percentiles. CONCLUSIONS: Our results point to the fractional polynomial model based on demographic variables as the best choice to adjust norms for cognitive tests in our context
Identifer | oai:union.ndltd.org:usp.br/oai:teses.usp.br:tde-16092013-153458 |
Date | 06 August 2013 |
Creators | Apolinario, Daniel |
Contributors | Brucki, Sônia Maria Dozzi |
Publisher | Biblioteca Digitais de Teses e Dissertações da USP |
Source Sets | Universidade de São Paulo |
Language | Portuguese |
Detected Language | Portuguese |
Type | Tese de Doutorado |
Format | application/pdf |
Rights | Liberar o conteúdo para acesso público. |
Page generated in 0.0022 seconds