The impact of subjective cognitive decline on Iowa Gambling Task performance.
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: To ascertain whether the Iowa Gambling Task (IGT) could be used to detect and identify measurable cognitive differences between older adults with subjective cognitive decline (SCD) as compared with healthy older controls (HC). METHOD: Older adults with self-identified SCD and age-matched controls completed a comprehensive neuropsychological assessment battery including the clinical version of the IGT, as well as self-report measures of mood and personality. RESULTS: The groups did not differ on clinically normed scores on the IGT. However, the groups did differ in the specific decks chosen as they progressed through the task, with the SCD group choosing the advantageous, high loss-frequency deck (Deck C) more often toward the end of the task. Using hierarchical Bayesian parameter estimation, we show that the prospect valence learning (PVL) model outperforms the expectancy valence learning (EVL) model in parsimoniously accounting for task performance by both groups. The PVL model explains the difference in deck choices between groups as being because of an underlying difference in their learning rate, with the SCD group emphasizing the current outcome over past outcomes more than the HC group. CONCLUSIONS: Behavioral results indicate measureable differences in risky decision making in older adults with SCD as compared with healthy controls. Modeling results allow us to interpret this difference as potentially being because of rapid forgetting of trial-to-trial information. This work furthers our understanding of SCD, while demonstrating the use of computational modeling in the interpretation of neuropsychological data.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle