Impact of cognition on test–retest reliability and concurrent validity of n-back for Chinese stroke patients
Notice bibliographique
Résumé
Objective The objective of this study was the measurement of the test–retest reliability of n-back in Chinese stroke patients.Methods Seventy-five sub-acute stroke patients performed n-back twice in three days. The test–retest reliability of n-back was analyzed by correlation coefficient.Results The n-back had excellent test–retest reliability in stroke patients. Pearson or Spearman coefficients ranged from 0.81 to 0.88. The intra-class correlation coefficients ranged from 0.72 to 0.87. The Chinese version of Montreal Cognitive Assessment-Basic (MoCA-BC) score was significantly correlated with the performance of n-back. MoCA-BC and n-back accuracy were significantly related in the Mild Cognitive Impairment (MCI) group (r = 0.60 in 1-back, p = .002; r = 0.43 in 2-back, p = .040). However, MoCA-BC was correlated with reaction time (RT) in the Cognitively Normal (CN) group (r = –0.44 in 1-back, p = .003; r = –0.36 in 2-back, p = .018). The test–retest reliability of CN group was mostly higher than that of MCI group RT: 0.71–0.76 in MCI, 0.80–0.88 in CN; accuracy: 0.80–0.85 in MCI, 0.75–0.86 in CN). The practice effect was observed in the CN group instead of the MCI group.Conclusions This study indicated that the test–retest reliability of n-back was high in stroke patients. N-back was correlated with cognition. It was preferable to conduct subgroup analyses according to the level of cognitive assessment of patients with stroke.
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 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».