Influence of poor effort on neuropsychological test performance in U.S. military personnel following mild traumatic brain injury
Notice bibliographique
Résumé
The purpose of this study was to examine the influence of poor effort on neuropsychological test performance in military personnel following mild traumatic brain injury (MTBI). Participants were 143 U.S. service members who sustained a TBI, divided into three groups based on injury severity and performance on the Word Memory Test and four embedded markers of poor effort: MTBI-pass (n = 87), MTBI-fail (n = 21), and STBI-pass (n = 35; where STBI denotes severe TBI). Patients were evaluated at the Walter Reed Army Medical Center on average 3.9 months (SD = 3.4) post injury. The majority of the sample was Caucasian (84.6%), was male (93.0%), and had 12+ years of education (96.5%). Measures included the Personality Assessment Inventory (PAI) and 13 common neurocognitive measures. Patients in the MTBI-fail group performed worse on the majority of neurocognitive measures, followed by the Severe TBI-Pass group and the MTBI-pass group. Using a criterion of three or more low scores <10th percentile, the MTBI-fail group had the greatest rate of impairment (76.2%), followed by the Severe TBI-Pass group (34.3%) and MTBI-pass group (16.1%). On the PAI, the MTBI-fail group had higher scores on the majority of clinical scales (p < .05). There were a greater number of elevated scales (e.g., 5 or more elevated mild or higher) in the MTBI-fail group (71.4%) than in the MTBI-pass group (32.2%) and Severe TBI-Pass group (17.1%). Effort testing is an important component of postacute neuropsychological evaluations following combat-related MTBI. Those who fail effort testing are likely to be misdiagnosed as having severe cognitive impairment, and their symptom reporting is likely to be inaccurate.
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 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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 tête enseignante, 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 ».