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 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 | 0,007 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 |
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 ».