MétaCan
Menu
Retour à la cohorte
Enregistrement W2349420406 · doi:10.1177/1087054715625299

Diagnostic Accuracy of the Conners’ Adult ADHD Rating Scale in a Postsecondary Population

2016· article· en· W2349420406 sur OpenAlexaff
Allyson G. Harrison, Sylvia Anna Nay, Irene T. Armstrong

Notice bibliographique

RevueJournal of Attention Disorders · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueAttention Deficit Hyperactivity Disorder
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésRating scalePsychologyClinical psychologyPopulationScale (ratio)Clinical PracticeDiscriminant validityPsychiatryDevelopmental psychologyPsychometricsMedicinePhysical therapy

Résumé

récupéré en direct d'OpenAlex

Objective: Clinicians frequently rely upon the results of self-report rating scales when making the diagnosis of ADHD; however, little research exists regarding the ability of self-report measures to accurately differentiate ADHD from other disorders. Method: This present study investigated the ability of the Conners’ Adult ADHD Rating Scale (CAARS) to discriminate between 249 postsecondary students with carefully diagnosed ADHD and 507 clinical controls. Results: The overall discriminant validity of the CAARS was 69%, and it had an unacceptably high false positive and false negative rate. At lower prevalence rates, a high score on the CAARS has only a 22% chance of accurately identifying individuals with ADHD. Conclusion: Although the CAARS is an adequate screening measure, it should not be the main method by which a diagnosis is made, as it frequently misidentifies individuals with other psychological complaints as having ADHD. Implications for clinical practice are discussed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,025
Score d'incertitude au seuil0,470

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0000,000

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 Opus0,016
Tête enseignante GPT0,299
Écart entre enseignants0,283 · 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 tête enseignante, 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

Citations38
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Attention DisordersMême sujetAttention Deficit Hyperactivity DisorderTravaux en français237 207