MétaCan
Menu
Retour à la cohorte
Enregistrement W2006760790 · doi:10.1097/wnn.0b013e318184e688

Making Decisions and Advising Decisions in Traumatic Brain Injury

2008· article· en· W2006760790 sur OpenAlexaff
Elisabeth Bonatti, Laura Zamarian, Michaela Wagner, Thomas Benke, Pia Hollosi, Wilhelm Strubreither, Margarete Delazer

Notice bibliographique

RevueCognitive and Behavioral Neurology · 2008
Typearticle
Langueen
DomaineMedicine
ThématiqueTraumatic Brain Injury Research
Établissements canadiensWorkers Compensation Board of British Columbia
Organismes subventionnairesnon disponible
Mots-clésTraumatic brain injuryPsychologyMedicinePsychiatry

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE AND BACKGROUND: Decision under ambiguity and decision under risk are fundamental in every-day life. METHODS: We investigated these 2 types of decision in traumatic brain injury (TBI) patients through the Iowa Gambling Task (IGT), the Probability-Associated Gambling (PAG) task, and a counsel version of the PAG task. Although in the IGT rules for gain and losses are implicit and probability information is missing, in the PAG task and the counsel task rules are explicit and probabilities are well-defined. RESULTS: In the IGT, TBI patients selected more disadvantageously than healthy controls and failed to develop an advantageous strategy over time. Patients also made less advantageous choices than controls in the PAG task and the counsel task. Compared with controls, TBI patients gambled more frequently with low probabilities and less frequently with high probabilities. Overall, participants decided more advantageously in the counsel task, which does not provide feedback, than in the PAG task. Importantly, our results indicate that TBI patients' performance on all decision tasks correlated with executive functions. CONCLUSIONS: Our study shows that TBI patients have difficulties in decision under risk and decision under ambiguity. Difficulties may be attributed to deficient learning from feedback and to reduced risk estimation, but not to impulsive risk taking behavior.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,014
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,014
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,322
Tête enseignante GPT0,463
Écart entre enseignants0,141 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations41
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCognitive and Behavioral NeurologyMême sujetTraumatic Brain Injury ResearchTravaux en français237 207