Clinical utility of WAIS-IV ‘excessive decline from premorbid functioning’ scores to detect invalid test performance following traumatic brain injury
Notice bibliographique
Résumé
Objective: Excessive Decline from Premorbid Functioning (EDPF), an atypical discrepancy between demographically predicted and obtained Wechsler Adult Intelligence Scale-4th Edition (WAIS-IV) scores, has been recently proposed as a potential embedded performance validity test (PVT). This study examined the clinical utility of EDPF scores to detect invalid test performance following traumatic brain injury (TBI).Methods: Participants were 194 U.S. military service members who completed neuropsychological testing on average 2.4 years (SD = 4.0) following uncomplicated mild, complicated mild, moderate, severe, or penetrating TBI (Age: M = 34.0, SD = 9.9). Using TBI severity and PVT performance (i.e., PVT Pass/Fail), participants were classified into three groups: Uncomplicated Mild TBI-PVT Fail (MTBI-Fail; n = 21), Uncomplicated Mild TBI-PVT Pass (MTBI-Pass; n = 94), and Complicated Mild to Severe/Penetrating TBI-PVT Pass (CM/STBI-Pass; n = 79). Seven EDPF measures were calculated by subtracting WAIS-IV obtained index scores from the demographically predicted scores from the Test of Premorbid Functioning (TOPF). Cutoff scores to detect invalid test performance were examined for each EDPF measure separately.Results: The MTBI-Fail group had higher scores than the MTBI-Pass and CM/STBI-Pass groups on five of the seven EDPF measures (p<.05). Overall, the EDPF measure using the Processing Speed Index (EDPF-PSI) was the most useful score to detect invalid test performance. However, sensitivity was only low to moderate depending on the cutoff score used.Conclusions: These findings provide support for the use of EDPF as an embedded PVT to be considered along with other performance validity data when administering the WAIS-IV.
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 | 0,008 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».