77 SCORE ADJUSTMENTS FOR DIFFERENTIAL ITEM FUNCTIONING IN SCREENING FOR DEMENTIA: CASE OF THE CSHA STUDY
Notice bibliographique
Résumé
<h3>Background</h3> Accurate diagnosis of cognitive impairment requires measures of cognitive function that are free from bias. Assessing bias at the item level involves statistical techniques to detect differential item functioning (DIF). DIF occurs when subjects from different demographic groups have different probabilities of answering an item correctly, after controlling for overall ability. We developed a new technique to adjust scores for DIF. <h3>Study Design and Methods</h3> Data Source. We analyzed baseline data from the Canadian Study of Health and Aging (CSHA), a prospective cohort study of elderly Canadians (n = 8,121). Participants completed the Modified Mini-Mental State Examination (3MS) in either English (n = 6,579) or French (n = 1542). CSHA investigators reached consensus diagnoses of cognitive impairment and dementia status for subjects with 3MS scores ≤78 (n = 1,209) and a 10% random sample of those with scores ≥77 (n=691). Scoring Techniques. Standard 3MS scoring assigns pre-specified weights to each of the test9s 46 items. IRT scoring empirically estimates weights for each item. We used an ordinal logistic regression approach to detect items with DIF. We then estimated item parameters separately in each of four education groups for items found to have education DIF and constrained item parameters to be equal for items without education DIF. We used these revised item parameters to determine cognitive ability scores and again looked for education DIF using these updated scores. We continued the process until the same set of items displayed education DIF in successive cycles. We then used education-DIF adjusted IRT scores to look for DIF due to language of test administration and repeated the iterative procedure to adjust 3MS IRT scores for language DIF. Verification of Scoring. We compared DIF-adjusted IRT scores to standard 3MS scores to determine the impact adjusting for DIF on individual scores. We also compared Receiver Operator Characteristic (ROC) curves for standard 3MS scores and DIF-adjusted IRT scores. <h3>Results</h3> Forty of the 46 3MS items had education DIF and 27 had language DIF. Most 3MS scores were associated with a wide range of DIF-adjusted IRT scores. DIF-adjusted IRT scoring was slightly less sensitive than standard 3MS scoring. <h3>Conclusions</h3> Our analyses suggest that any gains in validity associated with adjustment for DIF may come at the cost of slightly lower sensitivity for detecting dementia, though we found no reduction in the ability to detect cognitive impairment. Further study of this approach is 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 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 | 0,002 |
| 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 | 0,000 |
| 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 ».