Tests of Information Processing Speed
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
Reduction in information processing speed (IPS) is a key deficit in multiple sclerosis (MS). The Paced Auditory Serial Addition Test (PASAT), Symbol Digit Modalities Test (SDMT), and Computerized Test of Information Processing (CTIP) are used to measure IPS. Both the PASAT and SDMT are sensitive to deficits in IPS. The CTIP, a newer task, also shows promise. The PASAT has several limitations, and it is often perceived negatively by patients. Yet little supporting quantitative evidence of such perceptions has been presented. Therefore, in this study, subjective ratings of likeability, difficulty, and appropriateness of the PASAT, CTIP, and SDMT were obtained. Ratings were compared between MS patients and healthy controls. It was hypothesized that ratings of the PASAT would differ significantly from those of the SDMT and CTIP. The relationship between subjective ratings and objective performance was evaluated. Sixty-nine MS patients and 68 matched controls rated the three tests in terms of likeability, difficulty, and appropriateness for capturing cognitive deficits often associated with MS using a Likert scale. Both groups rated the PASAT as most difficult and least likeable. The MS group rated the PASAT and SDMT as more appropriate for measuring MS-related deficits than the CTIP. Subjects who performed better on the PASAT were more likely to rate it as easier. Ratings of the SDMT and CTIP did not vary consistently with performance. The findings lend quantitative support to the common belief that the PASAT is perceived as unpleasant. Other tests are available that are similarly sensitive to deficits in IPS and more palatable to the patient.
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 | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 | 0,000 |
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 découle