Domein-specifieke cognitieve screening na beroerte: de Nederlandstalige Oxford Cognitive Screen (OCS-NL)
Bibliographic record
Abstract
Achtergrond: Het is belangrijk om cognitieve gevolgen van een CVA tijdig te identificeren. Dit maakt het mogelijk om in aangepaste ondersteuning te voorzien en, waar nodig, mantelzorgers en familieleden te betrekken bij het zorgproces. Aangezien het niet altijd haalbaar is om een uitgebreid neuropsychologisch onderzoek uit te voeren, is er behoefte aan een kort screeninginstrument voor deze populatie. Doel: In dit samenvattend artikel presenteren we de Nederlandstalige Oxford Cognitive Screen (OCS-NL), een domeinspecifieke cognitieve screen voor CVA-patiënten. Methode: De OCS-NL werd genormeerd in Vlaanderen aan de hand van 246 gezonde vrijwilligers. De validiteit en parallelvorm-betrouwbaarheid werden vervolgens onderzocht in 193 CVA-patiënten. Resultaten: Het normeringsonderzoek toonde aan dat de OCS-NL-prestaties samenhangen met leeftijd en dit gaf aanleiding tot het opstellen van leeftijd-gecorrigeerde afkappunten. De parallelvorm-betrouwbaarheid varieerde per subtest. Resultaten boven een afkappunt werden bij een hertest meestal bevestigd. Initiële resultaten onder een afkappunt werden bij een hertest niet altijd gerepliceerd, wat een indicatie vormt voor neuropsychologisch vervolgonderzoek, voornamelijk bij problemen in de executieve functies en visuoruimtelijke aandacht. Ons validatieonderzoek toonde aan dat de OCS-NL met leeftijd-gecorrigeerde afkappunten sensitiever is bij jongere en specifieker is bij oudere CVA-patiënten in vergelijking met de MoCA (Montreal Cognitive Assessment). Verder suggereerde het validatie-onderzoek dat de OCS-NL meer geschikt is voor linkerhemisferische CVA-patiënten dan de MoCA. Conclusie: Concluderend biedt de OCS-NL een waardevol hulpmiddel voor het identificeren van cognitieve beperkingen bij CVA-patiënten van elke leeftijd en linkerhemisferische patiënten.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.008 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".