A New Measure of Mnemonic Discrimination Applicable to Recognition Memory Tests with Continuous Variation in Novel Stimulus Interference
Notice bibliographique
Résumé
Background: Mnemonic discrimination (MD) involves distinguishing new stimuli from memories of highly similar “lure” items or events, and is a putative indirect probe of dentate gyrus functioning. MD is impaired in the elderly and in individuals with hippocampal lesions, schizophrenia, major depressive disorder, and Alzheimer’s disease. The gold-standard MD test, called the mnemonic similarity task (MST), is rarely used in clinical research. We therefore aimed to validate a novel analysis method that extracts information about MD and recognition memory in widely clinically used recognition memory tests which do not have categorical distinctions between “lures” and “foils.”Methods: By fitting a logistic function to the relationship between stimulus interference and the probability of classifying a stimulus as novel, at the single participant level, we derived participant-level indices of MD (λ) and overall recognition memory performance (Δ). We applied the novel measures to MST data from two independent datasets (N=18; N=67). Using linear mixed-effects modelling, we sought to confirm that λ predicts the MST’s lure discrimination index (LDI), while Δ predicts the MST’s overall recognition memory index (REC). Results: Across both datasets, λ predicted LDI (β=0.76, 95% CI [0.62-0.91], p<0.001), but not REC (β=-0.06, 95% CI [-0.20-0.09], p=0.438), while Δ predicted REC (β=0.93, 95% CI [0.83-1.02], p<0.001), but not LDI (β=0.06, 95% CI [-0.03-0.15], p=0197). The λ and Δ indices were not correlated.Conclusion: Our novel measure accurately indexes MD, without correlating with overall recognition memory performance. Future studies should apply it to large clinical datasets with widely used recognition memory tests, such as the California Verbal Learning Test.
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 | 0,010 | 0,050 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».