Methods for assessment of Rey Auditory Verbal Learning Test performance in memory clinic patients and healthy adults - at the cross-roads of learning theory and clinical utility
Notice bibliographique
Résumé
Background: Knowledge is still lacking regarding the preferred method for evaluation of learning in the Rey Auditory Verbal Learning Test (RAVLT). Validity of different methods was examined by the effect size in differentiating diagnostic stages in memory clinic patients versus healthy adults and the strength of association between RAVLT performance and brain atrophy. Method: The study included individuals with dementia (n = 247), Mild Cognitive Impairment (MCI, n = 709), Subjective Cognitive Impairment (SCI, n = 175) and cognitively unimpaired adults serving as healthy controls (HC, n = 102). All patients went through a comprehensive clinical examination and neuropsychological assessment of cognition including episodic memory gauged with RAVLT and brain imaging of medial temporal atrophy, cortical atrophy, and white matter hyperintensity. Results: The standard method for evaluation of learning in RAVLT (summed score over five trials) together with the late learning method (mean of trials 4 and 5) were the two most powerful methods according to group differentiation (discriminant validity). Both methods also showed considerable association with medial temporal atrophy (construct validity). The initial RAVLT performance represented by results on trial 1 and the constant in regression analysis with the power function provided information regarding attention that was important for the separation of SCI and HC. Conclusions: The most favorable clinical utility was indicated by discriminant and construct validity by total learning (standard method) including both attention- and learning-related parts and late learning of RAVLT performance, while theoretical understanding of mental processes involved in RAVLT performance was provided by the distinction between initial versus the subsequent learning performance.
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 | 0,012 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».