MétaCan
Menu
Retour à la cohorte
Enregistrement W2148800933 · doi:10.1080/09297040500499081

Reaction Time Distribution Analysis of Neuropsychological Performance in an ADHD Sample

2006· article· en· W2148800933 sur OpenAlexaff
Aaron S. Hervey, Jeffery N. Epstein, John F. Curry, Simon T. Tonev, L. Eugene Arnold, C. Keith Conners, Stephen P. Hinshaw, James M. Swanson, Lily Hechtman

Notice bibliographique

RevueChild Neuropsychology · 2006
Typearticle
Langueen
DomaineMedicine
ThématiqueAttention Deficit Hyperactivity Disorder
Établissements canadiensMontreal Children's Hospital
Organismes subventionnairesNational Institute of Mental Health
Mots-clésPsychologyNeuropsychologyAttention deficit hyperactivity disorderAudiologyGaussianNormal distributionSample (material)Attention deficitDevelopmental psychologyClinical psychologyStatisticsCognitionPsychiatryMedicineMathematicsChemistry

Résumé

récupéré en direct d'OpenAlex

Differences in reaction time (RT) variability have been documented between children with and without Attention Deficit Hyperactivity Disorder (ADHD). Most previous research has utilized estimates of normal distributions to examine variability. Using a nontraditional approach, the present study evaluated RT distributions on the Conners' Continuous Performance Test in children and adolescents from the Multimodal Treatment Study of ADHD sample compared to a matched sample of normal controls (n = 65 pairs). The ex-Gaussian curve was used to model RT and RT variability. Children with ADHD demonstrated faster RT associated with the normal portion of the curve and a greater proportion of abnormally slow responses associated with the exponential portion of the curve. These results contradict previous interpretation that children with ADHD have slower than normal responding and demonstrate why slower RT is found when estimates of variability assume normal Gaussian distributions. Further, results of this study suggest that the greater number of abnormally long RTs of children with ADHD reflect attentional lapses on some but not all trials.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,031
Tête enseignante GPT0,326
Écart entre enseignants0,296 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations262
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChild NeuropsychologyMême sujetAttention Deficit Hyperactivity DisorderTravaux en français237 207