Examination of the Mild Brain Injury Atypical Symptom Scale and the Validity-10 Scale to detect symptom exaggeration in US military service members
Notice bibliographique
Résumé
OBJECTIVE: The purpose of this study was to examine the clinical utility of two validity scales designed for use with the Neurobehavioral Symptom Inventory (NSI) and the PTSD Checklist-Civilian Version (PCL-C); the Mild Brain Injury Atypical Symptoms Scale (mBIAS) and Validity-10 scale. METHOD: Participants were 63 U.S. military service members (age: M = 31.9 years, SD = 12.5; 90.5% male) who sustained a mild traumatic brain injury (MTBI) and were prospectively enrolled from Walter Reed National Military Medical Center. Participants were divided into two groups based on the validity scales of the Minnesota Multiphasic Personality Inventory-2 Restructured Form (MMPI-2-RF): (a) symptom validity test (SVT)-Fail (n = 24) and (b) SVT-Pass (n = 39). Participants were evaluated on average 19.4 months postinjury (SD = 27.6). RESULTS: Participants in the SVT-Fail group had significantly higher scores (p < .05) on the mBIAS (d = 0.85), Validity-10 (d = 1.89), NSI (d = 2.23), and PCL-C (d = 2.47), and the vast majority of the MMPI-2-RF scales (d = 0.69 to d = 2.47). Sensitivity, specificity, and predictive power values were calculated across the range of mBIAS and Validity-10 scores to determine the optimal cutoff to detect symptom exaggeration. For the mBIAS, a cutoff score of ≥8 was considered optimal, which resulted in low sensitivity (.17), high specificity (1.0), high positive predictive power (1.0), and moderate negative predictive power (.69). For the Validity-10 scale, a cutoff score of ≥13 was considered optimal, which resulted in moderate-high sensitivity (.63), high specificity (.97), and high positive (.93) and negative predictive power (.83). CONCLUSION: These findings provide strong support for the use of the Validity-10 as a tool to screen for symptom exaggeration when administering the NSI and PCL-C. The mBIAS, however, was not a reliable tool for this purpose and failed to identify the vast majority of people who exaggerated symptoms.
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».