NIH toolbox cognition tests following traumatic brain injury: Frequency of low scores.
Notice bibliographique
Résumé
PURPOSE/OBJECTIVE: To apply multivariate base rate analyses to the National Institutes of Health Toolbox Cognition Battery (NIHTB-CB) to facilitate the identification of cognitive impairment in individuals with traumatic brain injury (TBI). Research Method/Design: In a multisite cross-sectional design, 158 participants who sustained a complicated mild or moderate TBI (n = 74) or severe TBI (n = 84) at least 1 year earlier were administered the NIHTB-CB. The NIHTB-CB is comprised of 2 crystallized cognition tests (reflecting premorbid ability) and 5 fluid cognition tests, measuring processing speed, memory, and executive functioning. Base rates for obtaining 0 to 5 low fluid cognition scores were calculated across a range of cutoffs for defining a low test score (≤25th to 5th percentiles). Base rates of low scores in the TBI sample were compared to the NIHTB-CB normative sample using diagnostic accuracy statistics. RESULTS: The proportion of the TBI sample obtaining low scores decreased as the cutoff for defining a low score decreased. Individuals with lower premorbid cognitive ability, as measured by NIHTB-CB Crystallized Composite score, tended to produce more low scores on the NIHTB-CB fluid cognition tests, even when using fully demographically adjusted scores. Certain patterns of low scores were associated with TBI (defined as likelihood ratio >2.0), whereas others were nonspecific, occurring almost as often in participants without TBI. CONCLUSIONS/IMPLICATIONS: Premorbid ability stratified base rate tables provided in this article can guide researchers and clinicians in the interpretation of NIHTB-CB performance in adults with TBI. (PsycINFO Database Record
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 | 0,014 |
| 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 | 0,000 |
| 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 ».