Effectiveness of Intraindividual Variability in Detecting Subtle Cognitive Performance Deficits in Breast Cancer Patients
Notice bibliographique
Résumé
OBJECTIVES: The purpose of this study was to determine if intraindividual variability would be more sensitive than speed or accuracy in detecting subtle cancer-related cognitive disturbance. METHODS: Data were from a previous study in which 60 breast cancer (BC) patients underwent neuropsychological assessment before commencement of chemotherapy and again following each chemotherapy cycle. Sixty healthy controls were tested at equivalent intervals. Hierarchical linear modeling was used to compare the BC and control groups in terms of accuracy, mean reaction time, and intraindividual variability in reaction time on a computerized continuous performance test with three conditions: a simple reaction time task, a "1-back" task, and a "2-back" task. RESULTS: An increase in accuracy and response speed over sessions was noted on some tasks in the sample as a whole but there were no differences in these parameters between the BC patients and the controls on any condition. There was a significant group difference in change in intraindividual variability across sessions (i.e., a "group × session interaction"), albeit only on the most complex "2-back" task. Intraindividual variability declined in the control group (i.e., consistency improved with practice) but this practice effect was significantly attenuated in the BC patients. There was no main effect of group on the "2-back" task. CONCLUSIONS: Results support our hypothesis that intraindividual variability is a more sensitive indicator of subtle cognitive disturbance than conventional speed or accuracy measures and may have potential in the assessment of mild cognitive impairment in patients with non-central nervous system cancers. (JINS, 2018, 24, 724-734).
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».