A New Measure of Mnemonic Discrimination Applicable to Recognition Memory Tests With Continuous Variation in Novel Stimulus Interference
Notice bibliographique
Résumé
BACKGROUND: Mnemonic discrimination (MD) involves distinguishing new stimuli from highly similar memories; it is impaired in the elderly and individuals with neuropsychiatric disorders and may also probe hippocampal dentate gyrus function. Measuring MD is, therefore, highly relevant; however, the gold-standard MD test, the mnemonic similarity task (MST), is rarely used in clinical research. Thus, it would be useful to develop a novel MD index applicable to recognition memory tasks that are commonly used in clinical research. The present study develops such a measure and demonstrates its convergent validity with the gold-standard MD index from the MST. METHODS: We derived participant-level indices of MD (λ) and overall recognition memory performance (Δ) by fitting a logistic function to the relationship between stimulus interference and the probability of classifying a stimulus as novel. We then applied these novel measures to two independent MST datasets (N = 18; N = 67) and to simulated MST data. We used linear mixed-effects model to test whether (1) λ predicts the MST's MD measure, the lure discrimination index (LDI), and (2) Δ predicts the MST's overall recognition memory index (REC). RESULTS: λ predicted LDI (β = 0.76, 95% CI [0.62, 0.91], p < 0.001) but not REC (β = 0.06, 95% CI [-0.03, 0.15], p = 0.197), while Δ predicted REC (β = 0.93, 95% CI [0.83, 1.02], p < 0.001) but not LDI (β = -0.06, 95% CI [-0.20, 0.09], p = 0.438). The λ and Δ indices were statistically independent, although simulations with synthetic data suggest that MD measurement may be compromised if overall recognition memory performance is impaired. CONCLUSION: We have developed a novel measure of MD applicable to two-choice recognition memory tasks that use stimuli with continuously varying degrees of similarity. Future studies should further validate this measure using large clinical datasets that include both MD and other recognition memory tasks.
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 | 0,000 |
| 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 | 0,000 |
| 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 ».