MétaCan
Menu
Retour à la cohorte
Enregistrement W2944936314 · doi:10.46278/j.ncacn.20180622

Applicability of Neuropsychological and Psychometric Tests in Autosomal Recessive Spastic Ataxia of Charlevoix-Saguenay (ARSACS)

2018· article· en· W2944936314 sur OpenAlexaffvenueabout
Kevin Brassard, Geneviève Forgues, Allexe Boivin-Mercier, Cynthia Gagnon

Notice bibliographique

RevueNeuropsychologie clinique et appliquée · 2018
Typearticle
Langueen
DomaineNeuroscience
ThématiqueGenetic Neurodegenerative Diseases
Établissements canadiensCentre Intégré Universitaire de Santé et de Services Sociaux du Saguenay–Lac-Saint-JeanUniversité de SherbrookeUniversité du Québec à Chicoutimi
Organismes subventionnairesnon disponible
Mots-clésRaven's Progressive MatricesDysarthriaSpinocerebellar ataxiaNeuropsychologyPopulationRating scaleAudiologyPsychologyClinical psychologyAtaxiaPhysical medicine and rehabilitationSpasticMedicineCognitionPsychiatryDevelopmental psychologyCerebral palsy

Résumé

récupéré en direct d'OpenAlex

Autosomal Recessive Spastic Ataxia of Charlevoix-Saguenay (ARSACS) is a degenerative spinocerebellar disease with pyramidal, cerebellar, and neuropathic impairments. Recent studies highlight possible deficits in cognitive functions like language. Psychometric tests selection implies careful consideration due to upper limbs incoordination and dysarthria. The objective of this study is to document the applicability of 37 neuropsychological and 2 psychological tests in 8 individuals with ARSACS aged between 20 and 60 years. All tests were rated on 4 applicability criteria using a 3-level rating scale: A for excellent; B for acceptable; C for reconsider. Most tests posed few or no applicability limits with ARSACS patients. However, certain tests (e.g., Leiter-3 and Raven’s Standard Progressive Matrices) are not recommended due to significant issues related to applicability. These results may help clinicians and researchers working with this population to select evaluations and tests applicable in this population.

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)0,007
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,647
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,002
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,073
Tête enseignante GPT0,378
Écart entre enseignants0,304 · 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.

Devis d'étudeExpérimental (laboratoire)
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

Citations0
Publié2018
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueNeuropsychologie clinique et appliquéeMême sujetGenetic Neurodegenerative DiseasesTravaux en français237 207