Comparing Composite Scores for the ANAM4 TBI-MIL for Research in Mild Traumatic Brain Injury
Notice bibliographique
Résumé
OBJECTIVE: The Automated Neuropsychological Assessment Metrics (Version 4) Traumatic Brain Injury Military (ANAM4 TBI-MIL) is commonly administered among U.S. service members both pre-deployment and following TBI. The current study used the ANAM4 TBI-MIL to develop a cognition summary score for TBI research and clinical trials, comparing eight composite scores based on their distributions and sensitivity/specificity when differentiating between service members with and without mild TBI (MTBI). METHOD: Male service members with MTBI (n = 56; Mdn = 11 days-since-injury) or no self-reported TBI history (n = 733) completed eight ANAM4 TBI-MIL tests. Their throughput scores (correct responses/minute) were used to calculate eight composite scores: the overall test battery mean (OTBM); global deficit score (GDS); neuropsychological deficit score-weighted (NDS-W); low score composite (LSC); number of scores <50th, ≤16th percentile, or ≤5th percentile; and the ANAM Composite Score (ACS). RESULTS: The OTBM and ACS were normally distributed. Other composites had skewed, zero-inflated distributions (62.9% had GDS = 0). All composites differed significantly between participants with and without MTBI (p < .001), with deficit scores showing the largest effect sizes (d = 1.32-1.47). The Area Under the Curve (AUC) was lowest for number of scores ≤5th percentile (AUC = 0.653) and highest for the LSC, OTBM, ACS, and NDS-W (AUC = 0.709-0.713). CONCLUSIONS: The ANAM4 TBI-MIL has no well-validated composite score. The current study examined multiple candidate composite scores, finding that deficit scores showed larger group differences than the OTBM, but similar AUC values. The deficit scores were highly correlated. Future studies are needed to determine whether these scores show less redundancy among participants with more severe TBIs.
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 | 0,005 | 0,004 |
| 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 | 0,001 | 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 ».