Insight into intraindividual variability across neuropsychological tests and its association with cognitive dysfunction in patients with lupus
Notice bibliographique
Résumé
OBJECTIVE: Dispersion, or variability in an individual's performance across multiple tasks at a single assessment visit, has been associated with cognitive dysfunction (CD) in many neurodegenerative and neurodevelopmental disorders. We aimed to compute a dispersion score using neuropsychological battery (NB) tests and determine its association with CD in patients with SLE. METHODS: CD was defined as a z-score of ≤-1.5 on ≥2 domains of the NB. To compute a type of dispersion score known as the intraindividual SD (ISD), the SD of age-adjusted and sex-adjusted z-scores was calculated for each visit in each patient. To estimate the association between ISD and cognitive status (CD and non-CD), we used multilevel logistic regression, adjusting for clinically important covariates. RESULTS: A total of 301 adult patients with SLE completed the NB at baseline, 187 of whom were reassessed at 6 months and 189 at 12 months. CD was observed in 35.2% of patients at baseline, 27.8% at 6 months and 28.0% at 12 months. Prior to covariate adjustment, the mean ISD for non-CD was 1.10±0.31 compared with 1.50±0.70 for CD. After adjusting for ethnicity, education, employment, socioeconomic status and anxiety/depression, there was a statistically significant association between ISD and CD (OR for one-unit increase in ISD: 13.56, 95% CI 4.80 to 38.31; OR for 1/10th-unit increase in ISD: 1.30, 95% CI 1.17 to 1.44). Findings were valid across multiple sensitivity analyses. CONCLUSION: This is the first study to show that patients with SLE who were classified as having CD by the NB had more variability across the NB tests (ie, higher ISD score) compared with those who were not classified as having CD.
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 | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».