MétaCan
Menu
Retour à la cohorte
Enregistrement W2922538505 · doi:10.1002/pmrj.12161

Reliability of Cognitive Measures in Individuals With a Chronic Spinal Cord Injury

2019· article· en· W2922538505 sur OpenAlexafffundabout
Tom E. Nightingale, Chloe Lim, Rahul Sachdeva, Mei Zheng, Aaron A. Phillips, Andrei V. Krassioukov

Notice bibliographique

RevuePM&R · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueTraumatic Brain Injury Research
Établissements canadiensGF Strong Rehabilitation CentreLibin Cardiovascular Institute of AlbertaVancouver Coastal HealthUniversity of CalgaryInternational Collaboration On Repair DiscoveriesUniversity of British Columbia
Organismes subventionnairesCanadian Institutes of Health ResearchFaculty of Medicine, Prince of Songkla UniversityMichael Smith Health Research BCUniversity of British ColumbiaCraig H. Neilsen FoundationHeart and Stroke Foundation of Canada
Mots-clésStroop effectIntraclass correlationTrail Making TestMemory spanMedicineNeuropsychological testCognitionPopulationPsychomotor learningNeuropsychologyAudiologyRepeated measures designAnalysis of variancePhysical therapyClinical psychologyPsychometricsWorking memoryPsychiatryInternal medicineStatistics

Résumé

récupéré en direct d'OpenAlex

Background Following spinal cord injury (SCI), up to 64% of individuals experience cognitive deficit. However, the reliability of commonly used neuropsychological tests is currently unknown in this population. Objectives To evaluate the test‐retest reliability of cognitive measures in individuals with SCI. Design Cross‐sectional study. Setting Vancouver General Hospital. Participants Individuals with a chronic (>2 years) SCI (n = 22). Methods Across three visits (separated by ~16 days), 22 participants with chronic SCI completed a neuropsychological battery evaluating memory (Rey Auditory‐Verbal Learning Test [RAVLT]), attention/concentration/psychomotor speed (Digit Span Task, Stroop Test), and executive function (Trail Making Test A&B, Symbol Digit Modalities Test, Controlled Oral Word Association Test). Coefficients of variation (CV intra ) and intraclass correlation coefficients (ICCs) were calculated to determine the reliability of each test between visits. Linear regressions were performed to assess the associations between variability (CV intra ) and participant characteristics, such as age or highest education level attained. Repeated‐measures, one‐way analysis of variance (ANOVA) was conducted to determine any significant practice effects, and smallest real differences (SRDs) were calculated. Main Outcome Measurements Repeated scores on aforementioned neuropsychological tests. Results ICCs ranged from 0.77 to 0.93, with the exception of RAVLT recognition score (ICC = 0.27). Age showed a moderate association with CV intra in RAVLT interference recall scores ( r = 0.43, P = .047), but was not a confounding factor for other measures. Education was not associated with CV intra . Significant practice effects were noted for most of the cognitive tests assessed. Conclusions Other than the RAVLT recognition score, these cognitive measures demonstrated good‐to‐excellent reliability. Although this is encouraging, test‐retest variability should be considered when interpreting the efficacy of various cognitive training strategies to mitigate cognitive decline in this population. Thus, the SRD values presented herein will allow researchers and clinicians to identify “true” changes in cognitive function with repeated testing. Level of Evidence III.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,041
Score d'incertitude au seuil0,569

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
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)0,0010,000

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 Opus0,063
Tête enseignante GPT0,375
Écart entre enseignants0,312 · 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

Citations16
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revuePM&RMême sujetTraumatic Brain Injury ResearchTravaux en français237 207