Detecting Exaggeration and Malingering With the Trail Making Test
Notice bibliographique
Résumé
The purpose of this study was to examine whether unusual performance on the Trail Making Test could be indicative of deliberate exaggeration. Participants were 571 patients seen as part of a hospital trauma service who had acute traumatic brain injuries, and 228 patients involved in head injury litigation. As expected, the hospital patients with more severe traumatic brain injuries performed more poorly than the patients with less severe brain injuries on Trails A and Trails B. Cutoff score tables were developed for the patients with acute traumatic brain injuries for the total sample and by injury severity groups. Scores falling at or below the 5th percentile were considered suspicious for possible exaggeration. The performances of the head injury litigants who exaggerated on at least one well-validated symptom validity test were compared to these cutoffs. Very high positive predictive values for individuals with very mild head injuries on Trails A and B were identified (i.e., both 100%); lower positive predictive values were obtained for individuals with more severe head injuries (55.6-60%). The negative predictive values were only moderate (range=66.4-78.2%), and the sensitivity was very low (range = 7.1-18.5%) for all groups. Scores that fall in the range of possible biased responding should be considered "red flags" for the clinician because they likely do not make biological or psychometric sense. However, the sensitivity of the test for deliberate exaggeration is very low, so clinicians who rely on this test in isolation to identify deliberately poor performance will fail to identify the vast majority of cases.
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 | 0,003 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».