Validité et crédibilité dans le contexte de l’expertise en neuropsychologie clinique
Notice bibliographique
Résumé
Au cours des dernières décennies, une multitude de tests et d’indices ont été développés pour tenter de détecter la non-validité des résultats neuropsychologiques. Cependant, la prolifération et la popularité de ces mesures ont contribué à la perception qu’il est dorénavant possible de les utiliser pour identifier la simulation des troubles cognitifs (malingering). Dans cet article, un cadre conceptuel est présenté pour tenter de favoriser une meilleure compréhension des notions sous-jacentes et permettre une meilleure interprétation de la non-validité en expertise. Selon la présente conceptualisation, il existe deux étapes distinctes : la première consiste à discerner la non-validité des données à l’aide de méthodes psychométriques, notamment les tests de validité de performance (TVP). La deuxième requiert une décision quant à la crédibilité du tableau clinique, incluant un jugement quant à la cohérence de l’ensemble des informations cliniques. C’est seulement dans le contexte de certaines incohérences indéniables qu’il serait possible d’avancer une opinion évoquant l’amplification des problèmes cognitifs.
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 | 0,079 | 0,239 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,011 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,025 |
| Communication savante | 0,010 | 0,010 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».