MétaCan
Menu
Retour à la cohorte
Enregistrement W3217374160 · doi:10.47611/jsr.v10i1.1178

Teleneuropsychological Assessment During the COVID-19 Pandemic

2021· article· en· W3217374160 sur OpenAlexaff
Manu Sharma, Himanthri Weerawardhena, Alexandra K. Wall, Baeleigh VanderZwaag, Daniel Andruchow, Hawra Al-Khaz’Aly, Daniel R. Cunningham, Brandy L. Callahan

Notice bibliographique

RevueJournal of Student Research · 2021
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueImpact of AI and Big Data on Business and Society
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésTelehealthCoronavirus disease 2019 (COVID-19)PandemicHealth careNormativeMedicineMedical educationPsychologyComputer scienceTelemedicinePolitical scienceDisease

Résumé

récupéré en direct d'OpenAlex

Objective: With the rapid spread of the severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2), which causes the coronavirus disease 2019 (COVID-19), and the subsequent alterations to the delivery of health care, telehealth has become an essential service worldwide. Neuropsychology is similarly attempting to adopt telecommunication to deliver neuropsychological services to clients. The purpose this article is to review the utility and value of teleneuropsychological assessment, discuss practical issues and possible barriers related to its implementation and use, and propose considerations and achievable goals to increase the use, acceptance, and clinical utility of teleneuropsychological evaluations.
 Method: We reviewed the published literature to extract information about the efficacy and limitations of the methods that are currently used to deliver teleneuropsychological services, as well as current guidelines and ethical principles most salient to teleneuropsychological practice.
 Conclusions: Current literature suggests that teleneuropsychological assessment is feasible and acceptable in many patient populations. Practitioners wishing to implement teleneuropsychological assessment should consider using secure testing platforms, participate in continuing education on the topic of remote/online evaluation, and become familiar with alternative technologies. We implore clinicians, researchers, and trainees who have successfully integrated teleneuropsychology into their current practice to keep detailed records of their methods and results in hopes of adding this data to a larger data repository or to publish these results to add to the small, but growing, teleneuropsychology literature. Future research should focus on generating new normative datasets for tests administered remotely, which will involve the pooling of data from multiple sources using teleneuropsychological assessment.

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)0,019
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,055
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0190,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0020,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,740
Tête enseignante GPT0,652
Écart entre enseignants0,089 · 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'étudeObservationnel
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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Student ResearchMême sujetImpact of AI and Big Data on Business and SocietyTravaux en français237 207