Healthy Children Get Low Scores Too: Prevalence of Low Scores on the NEPSY-II in Preschoolers, Children, and Adolescents
Notice bibliographique
Résumé
Knowing the prevalence of low test scores in healthy people is valuable for clinical interpretation of neuropsychological performance because it reduces the likelihood of over-diagnosing cognitive deficits. Base-rate information on adult batteries has flourished recently but is relatively unknown for pediatric tests. The purpose of this paper is to present the base rates of low scores for a pediatric neuropsychological battery, the NEPSY-II. Participants included 1,200 healthy preschoolers, children, and adolescents between 3 and 16 years of age from the NEPSY-II standardization sample. Measures included subtests from the attention and executive functioning, language, learning and memory, and visuospatial processing domains, organized to yield a 1- and 2-hr battery with optimal reliability. Analyses were conducted for three age groups (3-4, 5-6, and 7-16 years) and stratified by the level of parental education (<or=11, 12, 13-15, and 16+ years). In 3-4-year-olds, it was uncommon to have three or more scores <or=10th percentile. For 5-6-year-olds, having three or more low scores on the 1- or 2-hr battery was uncommon. In 7-16-year-olds, it was uncommon to have four or more low scores on a 1-hr battery and uncommon to have five or more low scores on a 2-hr battery. With all age groups, the prevalence of low scores decreased substantially with higher levels of parental education. Consistent with the literature on base rates of low scores in adult batteries, having some low scores is common in healthy children. Look-up tables are provided to help in the clinical interpretation of low scores with preschoolers, children, and adolescents.
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 | 0,001 | 0,001 |
| 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 ».