Measurement and structural invariance of a neuropsychological battery among Middle Eastern/North African, Black, and White older adults.
Notice bibliographique
Résumé
OBJECTIVE: There is a lack of guidance on common neuropsychological measures among Arabic speakers and individuals who identify as Middle Eastern/North African (MENA) in the United States. This study evaluated measurement and structural invariance of a neuropsychological battery across race/ethnicity (MENA, Black, White) and language (Arabic, English). METHOD: Six hundred six older adults (128 MENA-English, 74 MENA-Arabic, 207 Black, 197 White) from the Detroit Area Wellness Network were assessed via telephone. Multiple-group confirmatory factor analyses examined four indicators corresponding to distinct cognitive domains: episodic memory (Consortium to Establish a Registry for Alzheimer's Disease [CERAD] Word List), language (Animal Fluency), attention (Montreal Cognitive Assessment [MoCA] forward digit span), and working memory (MoCA backward digit span). RESULTS: Measurement invariance analyses revealed full scalar invariance across language groups and partial scalar invariance across racial/ethnic groups suggesting a White testing advantage on Animal Fluency; yet this noninvariance did not meet a priori criteria for salient impact. Accounting for measurement noninvariance, structural invariance analyses revealed that MENA participants tested in English demonstrated lower cognitive health than Whites and Blacks, and MENA participants tested in Arabic demonstrated lower cognitive health than all other groups. CONCLUSIONS: Measurement invariance results support the use of a rigorously translated neuropsychological battery to assess global cognitive health across MENA/Black/White and Arabic/English groups. Structural invariance results reveal underrecognized cognitive disparities. Disaggregating MENA older adults from other non-Latinx Whites will advance research on cognitive health equity. Future research should attend to heterogeneity within the MENA population, as the choice to be tested in Arabic versus English may reflect immigrant, educational, and socioeconomic experiences relevant to cognitive aging. (PsycInfo Database Record (c) 2023 APA, all rights reserved).
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 | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| 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 ».