Validation of and Normative Data of the DVAQ-30, a New Video-Naming Test for Assessing Verb Anomia
Notice bibliographique
Résumé
OBJECTIVE: Anomia is usually assessed using picture-naming tests. While many tests evaluate anomia for nouns, very few tests have been specifically designed for verb anomia. This article presents the DVAQ-30, a new naming test for detecting verb anomia in adults and elderly people. METHOD: The article describes three studies. Study 1 focused on the DVAQ-30 development phase. In Study 2, healthy participants and individuals with post-stroke aphasia, mild cognitive impairment, Alzheimer's disease, or primary progressive aphasia were assessed using the DVAQ-30 to establish its convergent and discriminant validity, test-retest reliability, and internal consistency. In Study 3, a group of adults and elderly Quebec French-speaking adults were assessed to obtain normative data. RESULTS: The DVAQ-30 had good convergent validity and distinguished the performance of healthy participants from that of participants with pathological conditions. The test also had good internal consistency, and the test-retest analysis showed that the scores had good temporal stability. Furthermore, normative data were collected on the performance of 244 participants aged 50 years old and over. CONCLUSIONS: The DVAQ-30 fills an important gap and has the potential to help clinicians and researchers better detect verb anomia associated with pathological aging and post-stroke aphasia.
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 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».