Latent structure of cognition in schizophrenia: a confirmatory factor analysis of the MATRICS Consensus Cognitive Battery (MCCB)
Notice bibliographique
Résumé
BACKGROUND: The number of separable cognitive dimensions in schizophrenia has been debated. Guided by the extant factor analytic literature, the NIMH Measurement and Treatment Research to Improve Cognition in Schizophrenia (MATRICS) initiative selected seven cognitive domains relevant to treatment studies in schizophrenia: speed of processing, attention/vigilance, working memory, verbal learning, visual learning, reasoning and problem solving, and social cognition. These domains are assessed in the MATRICS Consensus Cognitive Battery (MCCB). The aim of this study was to conduct a confirmatory factor analysis (CFA) of the beta battery of the MCCB to compare the fit of the MATRICS consensus seven-domain model to other models in the current literature on cognition in schizophrenia. METHOD: Using data from 281 schizophrenia outpatients, we compared the seven correlated factors model with alternative models. Specifically, we compared the 7-factor model to (a) a single-factor model, (b) a three correlated factors model including speed of processing, working memory, and general cognition, and (c) a hierarchical model in which seven first-order factors loaded onto a second-order general cognitive factor. RESULTS: Multiple fit indices indicated the seven correlated factors model was the best fit for the data and provided significant improvement in model fit beyond the comparison models. CONCLUSIONS: These results support the assessment of these seven cognitive dimensions in clinical trials of interventions to improve cognition in schizophrenia. Because these cognitive factors are separable to some degree, it is plausible that specific interventions may have differential effects on the domains.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
| 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 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 ».