Effectively capturing memory deficits: New advances in the use of the In-out-Test for cognitive Test post-stroke
Notice bibliographique
Résumé
Objective This study evaluated the reliability and validity of the In-Out-Test for detecting episodic memory deficits in stroke patients and explored its potential as a clinical test.Methods A total of 75 stroke patients and 120 healthy controls underwent tests, including the Mini-Mental State Examination (MMSE), Montreal Cognitive Assessment (MoCA), Picture-Based Memory Impairment Screen (PMIS), and In-Out-Test. Reliability metrics (Cronbach’s α, inter-scorer reliability, test-retest reliability), criterion validity, corrected item-total correlation, hierarchical regression analysis and ROC curve analysis were performed to determine the sensitivity and specificity of the In-Out-Test.Results Stroke patients scored lower across all tests (p < 0.001), with the largest difference in the In-Out-Test (d = 0.99). The In-Out-Test correlated strongly with other cognitive tests (r = 0.79–0.85 in stroke patients; r = 0.66–0.78 in controls). It explained an additional 4.5% of variance in MoCA-MIS scores (p < 0.001). Reliability was high (Cronbach’s α = 0.835; inter-rater ICCs = 0.911–0.925; test-retest ICCs = 0.764–0.802). ROC analysis showed an AUC of 0.747, with a sensitivity of 0.708 and specificity of 0.680 at a cutoff of 10.5.Conclusion Preliminary findings indicated that the In-Out-Test showed potential in detecting episodic memory impairments in stroke patients, warranting further validation in larger cohorts.
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 | 0,000 | 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 ».