Vocabulary knowledge as a reliable proxy of cognitive reserve in multiple sclerosis: a validation study
Notice bibliographique
Résumé
INTRODUCTION: The present study aimed to explore the suitability of the vocabulary knowledge (VOC) test as an accurate and reliable proxy of cognitive reserve (CR) by evaluating its psychometric properties and discrimination accuracy compared with other CR measures in multiple sclerosis (MS). METHODS: Sixty-eight consecutive people with multiple sclerosis (pwMS), followed at our MS outpatient clinic, completed a clinical evaluation and neuropsychological assessment including: VOC, Brief Repeatable Battery of Neuropsychological Tests (BRB-N), Cognitive Reserve Index Questionnaire (CRIq), Beck Depression Inventory-II, and State-Trait Anxiety Inventory. Reliability, convergent and divergent validity, and discrimination accuracy of the VOC were assessed using educational level as reference standard. The possible effects of sociodemographic and clinical factors on VOC and their role in predicting global cognitive status were also explored. RESULTS: VOC demonstrated good internal consistency (Cronbach's α = 0.894) and adequate construct validity. It showed an acceptable level of discrimination between pwMS with high and low CR, comparable to the CRIq score. Education strongly affected VOC scores, which in turn were independent of MS features. VOC emerged as an independent predictor of global cognitive status together with MS-related disability. CONCLUSION: We demonstrated the validity of VOC as a reliable CR measure in pwMS. Thus, CR may also be estimated using fixed objective measures, independent of brain pathology and clinical features. Early CR estimation may help clinicians identify pwMS at a higher risk of cognitive decline and plan strict neuropsychological monitoring and cognitive interventions.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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 ».