P3‐254: A COMPARISON OF NOVEL APPROACHES FOR EXAMINING DIFFERENTIAL ITEM FUNCTIONING IN THE MONTREAL COGNITIVE ASSESSMENT: A MULTIPLE COVARIATE APPROACH
Notice bibliographique
Résumé
Accurate clinical diagnosis of individuals into the correct disease status depends on the validity of the assessment instrument. Differential item functioning (DIF) in these tests due to group membership differences may weaken the validity of the cognitive assessment.Traditional item response theory (IRT) methods to study DIF allow the consideration of only few subpopulations, like racial group, when estimating if the probability of responding to an item depends upon the membership to a subpopulation. We evaluated items from the MoCA scale for DIF relative to multiple observed characteristics concomitantly and compared the results to traditional IRT methods. Data from participants in the multi-site Alzheimer's Disease Neuroimaging Initiative, with item-level data in MoCA (N=1,108; age=72.77, SD=7.14 years; 54.6% male; education=16.11, SD=2.73 years; 89% White), were used to assessed DIF due to age, education, and gender using the following four traditional IRT-based approaches: 1) Lord's chi-square test (Lord, 1980); 2) Raju's area test (Raju, 1990); 3) Likelihood-ratio test (Thissen, Steinberg and Wainer,1988), and 4) Rasch modeling with accurate item-parameter error variance-covariance matrices and expectation-maximization (Cai, 2008). Novel IRT-based methods included: 1) Regularization based on penalty using penalized maximum likelihood (Tutz, 2013), 2) Recursive-partitioning and tree-method, and 3) Random-item mixture modeling (Frederickx, 2011). The analysis included individuals across the full spectrum of disease status. In general, there was moderate to almost perfect agreement across methods. Seven items were found to exhibit DIF and one item (Serial 7; measuring Attention) consistently across all methods showing a higher probability to be answered correctly by males and individuals with higher education level. There was an interaction between gender and education; females with lower education (<14 years) showed a lower probability of answering Serial 7 items correctly compared to females with 17 or more years of education. The same pattern was not found in males. The extent that commonly-used screening tests are useful in making diagnostic decisions depends largely on their validity. Issues concerning measurement invariance are important in research and clinical assessments. Methods, as those presented, can be routinely used to enhance measurement and decisions about what instrument to use for diagnosis.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,026 | 0,050 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».