Multivariate Base Rates of Low Scores on Tests of Learning and Memory Among Latino Adult Populations
Notice bibliographique
Résumé
OBJECTIVE: To determine the prevalence of low scores for two neuropsychological tests with five total scores that evaluate learning and memory functions. METHOD: N = 5402 healthy adults from 11 countries in Latin America and the commonwealth of Puerto Rico were administered the Rey-Osterrieth Complex Figure (ROCF) and the Hopkins Verbal Learning Test (HVLT-R). Two-thirds of the participants were women, and the average age was 53.5 ± 20.0 years. Z-scores were calculated for ROCF Copy and Memory scores and HVLT-R Total Recall, Delayed Recall, and Recognition scores, adjusting for age, age2, sex, education, and interaction variables if significant for the given country. Each Z-score was converted to a percentile for each of the five subtest scores. Each participant was categorized based on his/her number of low scoring tests in specific percentile cutoff groups (25th, 16th, 10th, 5th, and 2nd). RESULTS: Between 57.3% (El Salvador) and 64.6% (Bolivia) of the sample scored below the 25th percentile on at least one of the five scores. Between 27.1% (El Salvador) and 33.9% (Puerto Rico) scored below the 10th percentile on at least one of the five subtests. Between 5.9% (Chile, El Salvador, Peru) and 10.3% (Argentina) scored below the 2nd percentile on at least one of the five scores. CONCLUSIONS: Results are consistent with other studies that found that low scores are common when multiple neuropsychological outcomes are evaluated in healthy individuals. Clinicians should consider the higher probability of low scores when evaluating learning and memory using various sets of scores to reduce false-positive diagnoses of cognitive deficits.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,003 | 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 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 ».