[P4–299]: BASE RATES OF IMPAIRED SCORES ARGUE AGAINST CORRECTION FOR MEDICAL CONDITIONS WITHIN A BRIEF NEUROPSYCHOLOGICAL BATTERY
Notice bibliographique
Résumé
Normative data are usually created by making demographic adjustments based on correlations between single neuropsychological tests with demographic variables such as age and education. However, this traditional approach has some limitations. For example, it does not detail the implications for clinical practice such as likelihood of misclassification of cognitive impairment. It also does not elucidate the impact on decision making when using a neuropsychological battery. We hypothesize that baserates analyses, particularly, differential baserates of impaired scores between theoretical and actual baserates, would be better suited to create demographic adjustments within normative data. Differential baserates empirically detail the potential clinical implications of failing to create an appropriate normative group. Thus the aim of the present study is to explore whether adjustments for age and medical conditions are warranted based on differential baserates of spuriously impaired scores. The present study uses telephone-administered data collected from over 20,000 participants of the Canadian Longitudinal Study on Aging (CLSA). The CLSA has recruited a large national sample of approximately 50,000 French- and English-speaking men and women between the ages of 45 and 85 across 10 Canadian provinces; over 20,000 responded through telephone interview and 30,000 to an in-home interview and physical assessments at a data collection site. Differential baserates are calculated using the results of a short neuropsychological battery administered by telephone to a neurologically healthy sample (but only the English-speaking sub-sample is used in the present research). Theoretical baserates underestimate the frequency of impaired scores in older adults, providing an evidence base for the creation of age corrected normative data. Interestingly, several medical conditions such as cancer, chronic obstructive pulmonary disease, cardiovascular (e.g., high blood pressure, angina, acute myocardial infarction), hormonal (e.g., hypo- and hyperthyroidism) and metabolic (e.g., diabetes) conditions are not associated to differential baserates of impaired scores. Despite a small magnitude correlation between number of medical conditions and each neuropsychological variable, normative adjustments for number of medical conditions does not appear warranted.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,044 | 0,221 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».