Intra-individual Variability as a Measure of Information Processing Difficulties in Multiple Sclerosis
Notice bibliographique
Résumé
Deficits in information processing speed are among the most commonly reported impairments in multiple sclerosis (MS) and are generally assessed by evaluating mean-level performance on time-limited tests. However, this approach to assessing performance ignores potential within-subject differences in MS patients that may be useful for characterizing cognitive difficulties in MS. An alternative method of measuring performance is by examining the degree of within-subject variability, termed intra-individual variability (IIV). Intra-individual variability provides information about the characteristics of a person's performance over time and may provide novel information about cognitive functioning in MS. This study examined IIV in performance on the Computerized Test of Information Processing (CTIP) using two within-subject variability methods: individual standard deviation and coefficient of variation. Eighteen females with relapsing-remitting MS and 18 healthy female controls completed the CTIP. Consistent with previous research, MS patients demonstrated slower overall mean performance on the CTIP compared with controls, with patients becoming increasingly slower than controls as cognitive demands increased across the tasks. Furthermore, MS patients demonstrated greater IIV as measured by individual standard deviations on all subtests of the CTIP, even with mean-level group differences as well as practice and learning effects controlled. These between-group differences were not found when the coefficient of variation, a more coarse measure of within-subject variability, was used. Intra-individual variability was also found to be a better predictor of neurologic status than mean-level performance. These results suggest that IIV may provide unique insight into cognitive functioning in MS.
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 | 0,002 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».