RACE/ETHNICITY AND THE MEASUREMENT OF COGNITION IN NSHAP: RECOMMENDATIONS FOR ROBUSTNESS
Notice bibliographique
Résumé
Abstract In this study, we interrogate measurement of cognition by race, in order to move towards a less-biased and more-inclusive set of measures for capturing cognitive change and decline in older adulthood. We use data from Round 2 (N=3377) and Round 3 (N=4777) of the National Social Life Health and Aging Project (NSHAP), and examine the study’s version of the Montreal Cognitive Assessment (MoCA). We employ exploratory factor analyses to explore configural invariance by racial/ethnic group (Non-Hispanic White, Non-Hispanic Black, Hispanic, All else), and then log-likelihood tests of scalar and metric invariance. Using modification indexes we identify items that seem robust to bias by race. We test the predictive validity of the full (18-item) and short (7-item) scales using self-reported dementia diagnosis, Instrumental Activities of Daily Living (IADLs), proxy reports of dementia death, and National Death Index (NDI) reports of dementia death. We found that 7 measures, out of the 18 used in NSHAP’s MoCA, formed a scale that was more robust to racial bias. The shortened form predicted consequential outcomes equally well, compared to NSHAP’s full MoCA. The short form was also highly correlated with the full form, and displayed lower test-retest correlation between Round 2 and 3. Although sophisticated structural equation modeling techniques could be useful for assuaging measurement invariance by race in NSHAP, the shortened form provides a quick way for researchers to carry out robustness checks – to see if the disparities and associations they document are ‘real’ or the product of artifactual bias.
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 | 0,541 | 0,787 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,004 |
| Méta-épidémiologie (sens large) | 0,008 | 0,027 |
| Bibliométrie | 0,010 | 0,017 |
| Études des sciences et des technologies | 0,005 | 0,012 |
| Communication savante | 0,011 | 0,013 |
| Science ouverte | 0,014 | 0,011 |
| Intégrité de la recherche | 0,008 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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 ».