Validation of Discrete and Regression-Based Performance and Cognitive Fatigability Normative Data for the Paced Auditory Serial Addition Test in Multiple Sclerosis
Notice bibliographique
Résumé
Cognitive fatigability is an objective performance decrement that occurs over time during a task requiring sustained cognitive effort. Although cognitive fatigability is a common and debilitating symptom in multiple sclerosis (MS), there is currently no standard for its quantification. The objective of this study was to validate the Paced Auditory Serial Addition Test (PASAT) discrete and regression-based normative data for quantifying performance and cognitive fatigability in an Ontario-based sample of individuals with MS. Healthy controls and individuals with MS completed the 3″ and 2″ versions of the PASAT. PASAT performance was measured with total correct, dyad, and percent dyad scores. Cognitive fatigability scores were calculated by comparing performance on the first half (or third) of the task to the last half (or third). The results revealed that the 3″ PASAT was sufficient to detect impaired performance and cognitive fatigability in individuals with MS given the increased difficulty of the 2″ version. In addition, using halves or thirds for calculating cognitive fatigability scores were equally effective methods for detecting impairment. Finally, both the discrete and regression-based norms classified a similar proportion of individuals with MS as having impaired performance and cognitive fatigability. These newly validated discrete and regression-based PASAT norms provide a new tool for clinicians to document statistically significant cognitive fatigability in their patients.
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 | 0,005 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».