Normative data for teleneuropsychological testing: findings from a Canadian adult cohort
Notice bibliographique
Résumé
Use of teleneuropsychological services has greatly increased since the beginning of the COVID-19 pandemic. The present study aimed to create normative data for a neuropsychological test battery of diverse cognitive domains in a Canadian population. A sample (<i>n</i> = 291) of adults aged 19 or older completed a comprehensive neuropsychological assessment (i.e. memory, executive function, etc.) <i>via</i> Zoom. Participants included those with a COVID-19 diagnosis (<i>n</i> = 146) and participants who had not contracted COVID-19 (<i>n</i> = 145). Data were stratified by age group as follows: 19–34, 35–49, 50–64, 65–79. Linear bivariate regression in the entire sample and groups stratified by age was used to test the relationship between age and test scores. Test scores were converted to z-scores using the mean and standard deviation for that group, with z-scores then transformed into normative scores for each test. Age was a significant predictor of scores for all tests except for FAS, HVLT-R (Retention, Recognition), and Digit Span (Forwards, Backwards). After raw test scores were regressed onto age for each group, age was no longer a significant predictor for most test scores, with exceptions for each age group. This study created normative data for a diverse teleneuropsychological test battery in a Canadian population. Standardized scores generally fell within the average range, with the exception of TOPF and JLO scores, which may be explained by high educational attainment and virtual testing environment, respectively. The results suggest that the teleneuropsychological testing environment results in similar performance to in-person assessment.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,024 | 0,011 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».