Fifteen years later: Enhancing the classification accuracy of the performance validity module of the Advanced Clinical Solutions
Notice bibliographique
Résumé
Objective The study was designed to evaluate the performance validity module of Advanced Clinical Solutions (ACS) against external criterion measures and compare two alternative aggregation methods for its five components.Method The ACS was evaluated against psychometrically defined criterion groups in a sample of 93 outpatients with TBI. In addition to the default method, the component performance validity tests (PVTs) were either dichotomized along a single cutoff (VI-ACS) or recoded to capture various degrees of failure (EI-ACS).Results The standard ACS model correctly classified 75–83% of the sample. The alternative aggregation methods produced superior overall correct classification: 80–91% (VI-ACS) and 86–91% (EI-ACS). Mild TBI was associated with higher failure rates than moderate/severe TBI. Failing just one of the five ACS components resulted in a 3- to 8-fold increase in the likelihood of failing criterion PVTs.Conclusions Results support the use of the standard PVT module for ACS: it is an effective measure of performance validity that is robust to moderate-to-severe TBI. Post-publication research on individual ACS components and methodological advances in PVT research provide an opportunity to enhance the overall classification accuracy of the ACS model. Passing stringent multivariate PVT cutoffs does not indicate valid 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 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 | 0,001 | 0,003 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».