Identifying Cognitive Problems in Children and Adolescents with Depression Using Computerized Neuropsychological Testing
Notice bibliographique
Résumé
Depression in children and adolescents can negatively impact cognitive functioning, social development, and academic performance. The purpose of this study was to determine whether a computerized battery of neuropsychological tests could detect neurocognitive difficulties in children and adolescents with depression. Participants included 30 children and adolescents between the ages of 9 and 17 years (M = 14.6, SD = 2.1) with a clinical diagnosis of depression. Healthy control participants were individually matched on age, education, sex, race, primary language, handedness, and self-reported computer familiarity. All participants completed the Central Nervous System Vital Signs computerized battery. This battery of seven tests yields 23 test scores and 5 domain scores (Memory, Psychomotor Speed, Reaction Time, Complex Attention, and Cognitive Flexibility). Children and adolescents with depression performed worse on the Memory (Cohen's d = .43) and Complex Attention domains (d = .58) than matched controls. On the individual test scores, children and adolescents with depression performed worse on delayed verbal memory (d = .63), delayed visual memory (d = .34), measures of reaction time (d = .34-.53), and accuracy/inhibition on complex attention tasks (d = .49-.65). When considering the five domain scores simultaneously, children and adolescents with depression were more likely to have two or more scores at or below the 5th percentile (p = .05). Children and adolescents with depression have problems with reduced processing speed, memory for verbal information, and executive functioning on this computerized battery of tests, which represents a feasible method for neuropsychological screening.
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.
Comment cette classification a été obtenuedéplier
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 | 0,000 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».