Multivariate Base Rates of Low Neuropsychological Test Scores in Cognitively Intact Older Adults with Subjective Cognitive Decline from a Specialist Memory Clinic
Notice bibliographique
Résumé
OBJECTIVE: To avoid misdiagnosing mild cognitive impairment (MCI), knowledge of the multivariate base rates (MVBRs) of low scores on neuropsychological tests is crucial. Base rates have typically been determined from normative population samples, which may differ from clinically referred samples. The current study addresses this limitation by calculating the MVBR of low or high cognitive scores in older adults who presented to a memory clinic experiencing subjective cognitive decline but were not diagnosed with MCI. METHOD: We determined the MVBRs on the Kaplan-Baycrest Neurocognitive Assessment for 107 cognitively healthy older adults (M age = 75.81), by calculating the frequency of patients producing n scores below or above different cut-off values (i.e., 1, 1.5, 2.0, 2.5 SD from the mean), stratifying by education and gender. RESULTS: Performing below or above cut-off was common, with more stringent cut-offs leading to lower base rates (≥1 low scores occurred in 84.1% of older adults at -1 SD, 55.1% at -1.5 SD, and 39.3% at -2 SD below the mean; ≥1 high scores occurred in 80.4% of older adults at +1 SD, 35.5% at +1.5 SD, and 16.8% at +2 SD above the mean). Higher education was associated with varying base rates. Overall, the MVBR of obtaining a low cognitive test score was higher in this clinic sample, compared with prior studies of normative samples. CONCLUSIONS: MVBRs for clinically referred older adults experiencing memory complaints provide a diagnostic benefit, helping to prevent attributing normal variability to cognitive impairment and limiting false positive diagnoses.
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».