Good Mood

Indledning

for Nylig, at et stigende antal studier er blevet offentliggjort for at tage fænomenet malingering og påvisning af malingered kognitive symptomer. En række undersøgelser (f, Sartori et al., 2016b; 201alc ;yk et al., 2018) indikerer, at malingering typisk forekommer i tre brede domæner: psykopatologi, kognitiv svækkelse og medicinsk sygdom., I forbindelse med kognitive dysfunktioner, neuropsykologer og kliniske psykologer i stigende grad har stolet på resultaterne af neuropsykologiske evalueringer til at informere deres udtalelser om arten, omfanget og troværdighed hævdede kognitive funktionsnedsættelser. Kliniske og forskningsindsats har ført til stadig mere sofistikerede og effektive metoder og instrumenter designet til at detektere malingering, som typisk observeres i de fleste medico-juridiske omgivelser., Der findes bevis, der tyder på, at eksternt incitament til malinger typisk indebærer økonomisk kompensation for skader, der resulterer i fysiske svækkelser og/eller kognitive underskud. Jo mere omfattende den kognitive dysfunktion vises, jo mere monetær kompensation forventes, og enkeltpersoner har et betydeligt motiv til at simulere eller overdrive symptomer.kritisk er de fleste af de kognitive symptomer let forfalsket selv af naive ikke-coachede eksaminatorer for at opnå økonomisk kompensation., Af den nævnte grund er det vigtigt at stole på psykometriske værktøjer for objektivt at skelne, om neuropsykologiske testresultater nøjagtigt afspejler kognitive dysfunktioner, eller om enkeltpersoner forsøgte at simulere eller overdrive deres vanskeligheder (Sartori et al., 2016b, 2017). Mens nyere teknikker er afhængige af komplekse computerbaserede værktøjer (f.Sartori et al., 2016a), papir-og-blyantprøver (såsom b-testen undersøgt her) har stadig store praktiske fordele.,

forfalsket alvorlig kognitiv svækkelse kan klinisk påvises ved at sammenligne kognitive testresultater med patientens daglige evner. Fejlfri dagliglivsaktiviteter parret med alvorlig svækkelse ved kognitive tests tapping på de samme funktioner er en indikation af malingering. Men, milde kognitive funktionsnedsættelser, er ikke normalt ledsaget af daglige levende funktionsnedsættelse og malingerers kan være vanskelige at opdage ved hjælp af enkle strategier, der består i at sammenligne kognitive test resultater (meget lav) og daglige aktiviteter (bevaret)., For at overvinde denne begrænsning er det muligt at stole på resultater fra den kliniske forskning (Coin et al., 2009; Orr et et al., 2009).

en strategi, der anvendes i neuropsykologisk test til påvisning af malingering, er baseret på brugen af enkle test. Som rapporteret af American Academy of Klinisk Neuropsykologi Konsensus Konference Erklæring om den neuropsykologiske vurdering af indsats, response bias og malingering (Heilbronner et al.,, 2009), udføres disse test typisk godt med en minimal indsats fra patienter, der lider af neurologiske og psykiatriske sygdomme, medmindre der er en bevidst intention om at udføre dem dårligt. De fleste performance validity tests (PVTs), der anvendes i kompensationssøgende indstillinger, er designet til at detektere fejrede kortvarige hukommelsesforstyrrelser (Boone et al., 2000; Sharland and Gfeller, 2007; Young et al., 2016). Der er desuden også test til påvisning af simulerede underskud i forskellige kognitive områder, såsom i overlært information og behandlingshastighed.,

en sådan test er B-testen (Boone et al., 2002). Det består af en 15-siders hæfte: hver side indeholder 72 stimuli, herunder små b ‘ s (target stimuli) og andre symboler, som anvendes som distractors, såsom små bogstaver, d, q og p, og b er enten med diagonal eller ekstra stængler. Samlet set er der 255 målstimuli i stimulusbogen: 20 på den første side, 16 i den anden og 15 i den tredje. Disse sider gentages fem gange i et stadig mindre format., B Test kræver, at eksaminanden til en cirkel, alle b ‘s, der vises på hver side, så hurtigt som muligt; i løbet af den opgave, forskellige typer af fejl, der kan begås: udeladelse, fejl (ved at udelade til cirkel target stimuli), d fejl (ved at dreje d-s), og kommissionen fejl (ved kredser symboler, der er ikke b’ s, herunder d ‘ er). Eksaminatoren noterer sig den samlede responstid, nemlig den tid, som deltageren har brug for for at gennemføre testen., Samlede fejl og middeltid per side bruges til at beregne indsatsen indeks Score (eller E-score), som er resultatet af ligningen: (total d fejl + total kommissionsfejl) 10 10 + total udeladelse fejl + gennemsnitlig tid per side.

b-testen vurderer overlearned færdigheder og kan anvendes i medico-legal indstilling. Patienter med cerebral dysfunktion, der gør en indsats på testen, vil sandsynligvis ikke blive kategoriseret som ikke-kooperativ. Patienter med nedsat hukommelse mislykkes muligvis ikke på testen, og dette kan give mindre falske positiver end hukommelsesbaseret indsatstest., Endelig er en kompromitteret B-Testpræstation på grund af tilstedeværelsen af overplayede symptomer og i fravær af dokumenterede indlæringsvanskeligheder meget mistænksom over for malingering (Boone et al., 2002).

b-testen kan skelne mistænkte malingerere fra mange forskellige kliniske grupper, herunder: major depressiv lidelse, Ski .ofreni, moderat eller alvorlig hovedskade, slagtilfælde, indlæringsvanskeligheder og sunde ældre (se Boone et al., 2002).

Vilar-Lpepe.et al., (2007) analyserede forestillingerne på B-testen af en spansk befolkningsprøve med post-concussive syndrom (pc ‘ er) involveret i retssager og ikke involveret i retssager, der viser god følsomhed og specificitet. Desuden i en yderligere undersøgelse (Vilar-Lpepe.et al., 2008) analyserede de samme forfattere forestillingerne hos patienter med mild traumatisk hjerneskade., Deltagerne blev opdelt i tre grupper: den første gruppe var ikke involveret i nogen kompensation-søger processer; den anden gruppe var en erstatning-søger gruppe, der ikke er mistænkt for at malingering; den tredje gruppe bestod af patienter, der søger erstatning, der var mistænkt for malingering. Resultaterne af undersøgelsen viste, at der er statistisk signifikante forskelle mellem grupper og malingerer versus ikke-malingerer klassificering. Tilsvarende Marshall et al. (2010) har undersøgt gyldigheden af b-testen ved påvisning af feigned ADHD i en stor prøve (n = 257).,

På trods af de lovende resultater, Shandera et al. (2010) gennemførte en undersøgelse af gyldigheden af b-testen i en voksenpopulationsprøve, der lider af mild mental retardering. Resultaterne viste utilfredsstillende resultater, når malingerere skal skelnes fra denne kliniske prøve.

i betragtning af dette resultat forbliver diagnosticiteten af b-testen stadig uklar ved at skelne mellem milde neurokognitive lidelser og malingerer. Så vidt vi ved, kun Dean et al. (2009) vurderede specificiteten af B-test n mild demens med utilfredsstillende resultater.,

for at undersøge potentialet i b Test i klassificering af ægte kognitiv svækkelse fra forstilt kognitiv underskud i den ældre del af befolkningen, den foreliggende undersøgelse har undersøgt, b-Test værdi i en italiensk prøve med Mild Neurokognitive Forstyrrelser, og i sund aldersbestemte ældre personer, bedt om at foregive kognitive dysfunktioner. Desuden, vores mål var at evaluere, om klassificering af maskinindlæring kan resultere i en øget klassificeringsnøjagtighed sammenlignet med den mere traditionelle tilgang baseret på afskæringsresultater.,

Materialer og Metoder

Deltagere

Tres-tre italiensk-talende deltagere blev rekrutteret (36 mænd og 27 kvinder, gennemsnitsalder: 73.43 ± 5.97 år, interval: 58-87; mean uddannelse: 7.03 ± 2.78 år, interval: 3-19). Prøven bestod af tre grupper. Den første gruppe bestod af patienter med blandet neurologisk ætiologi, der opfylder kriterier, der af den Diagnostiske og Statistiske Håndbog for Psykiske Forstyrrelser-5 (DSM-5) (APA, 2013) for Mild Neurokognitive Forstyrrelser (Gruppe A, n = 21)., Disse patienter blev diagnosticeret efter DSM-5 kriterier for Mild Neurokognitive Lidelse af en ekspert, neurolog (RV) gennem anamnese interviews, neurologiske undersøgelser, og neuropsykologiske test. Den neuropsykologiske vurdering omfattede: Mini Mental State e .amination (MMSE, Folstein et al., 1975; Coin et al., 2009) og Frontal vurdering batteri (FAB, Dubois et al., 2000; Appollonio et al., 2005). Gruppe A blev rekrutteret fra en neurologienhed i det nordøstlige Italien.,

En anden gruppe (n = 21, Gruppe B) af sund alders-matchede personer, der var nødvendige for at gennemføre testen uden særlige instruktioner, mens en tredje gruppe (n = 21, Gruppe C), af sund alders-matchede kontroller blev bedt om at svare falsk, at den test, som hvis de var kognitivt forringet.

sunde kontroller og malingere (gruppe B og gruppe C) blev rekrutteret fra to rekreative centre for ældre mennesker.,

Mild Neurokognitive Forstyrrelser

Deltagere Med Mild Neurokognitive Lidelse

Sund Deltagere og Malingerers af Kognitiv Svækkelse

Sund Deltagere

Fyrre-to raske deltagere blev rekrutteret. De havde ingen historie med neurologiske eller psykiatriske sygdomme eller stof/alkoholmisbrug. MMSE-korrigerede score var 26 26, og ingen deltager opnåede en ækvivalent score < 2 på FAB. Alle deltagere blev tilfældigt tildelt en af følgende to grupper., En gruppe (Gruppe B: sund-kontrol) blev der givet en standard instruktion til b-Prøve (n = 21, 14 mænd og 7 kvinder), mens den anden (Gruppe C: malingerers) modtaget instrukser om at foregive en b-Prøve (n = 21, 8 mænd og 13 kvinder) med henblik på at fake en kognitiv forstyrrelse. Specifikt, den malingerers (Gruppe C) blev instrueret i at udføre den MMSE og FINE, så godt som muligt, og kun for b-Test er modtaget i henhold til simulering instruktioner (de blev bedt om at simulere ved at vedtage strategier i overensstemmelse med deres tro og den fælles viden om mild kognitiv underskud).,

eksperimentelle procedurer

b-testen blev administreret efter MMSE og FAB til alle deltagere. Lige før den eksperimentelle opgave blev deltagere tildelt malingerers-gruppen instrueret til at lyve om deres kognitive status. For at øge overholdelsen fik deltagerne følgende scenarie: “du skal gennemføre testen, da den ville blive udført af en patient, der lider af mild demens eller mild kognitiv svækkelse . I særdeleshed, foregive, at jeg er medlem af Kommissionen, der attesterer handicap; du skal overbevise mig om, at du er berettiget til handicapbetalinger.,”Efter afslutningen af testen blev malingerers-gruppen også stillet spørgsmålstegn ved som følger: “Beskriv den anvendte strategi, og forklar grunden til, at du har valgt den.”

patienter og sunde kontroller var forpligtet til at udføre alle testene med deres maksimale indsats.

dataanalyse

Data blev analyseret ved anvendelse af ikke-parametrisk statistisk analyse. For at evaluere klassificeringsnøjagtigheden af b-testen og undgå overfiskeri anvendte vi i vid udstrækning leave-one-out cross validation (LOOCV) – proceduren (ca .ley and Talbot, 2010)., Overfitting er en overdrevet optimistisk tilpasning til de data, der stammer fra test af modellen på det samme datasæt, der bruges til at udvikle selve modellen. For at opnå et realistisk estimat af klassificeringsfejl (malingerers vs. patienter), bør overfitting undgås. Overfitting er en unormal model fitting, der normalt tæller ved hjælp af out-of-prøve nøjagtighed estimering (hold-out metode), som bruges som en pro .y af in-field nøjagtigheder. Sådanne out-of-prøve nøjagtighed skøn kræver store prøver, som er vanskelige at indsamle med kliniske populationer., Det har vist sig, at n-fold cross Validering er en god procedure til at estimere sande nøjagtigheder i små prøver. Et særligt tilfælde af n-fold cross Validering er LOOCV (ca .ley og Talbot, 2010), en metode til valg i kliniske studier (Orr.et al., 2012). I LOOCV udvikles den statistiske model kun ved hjælp af N − 1 eksempler og testes på det resterende eksemplar. Proceduren gentages systematisk roterende venstre ud eksempel og out-of-prøve klassificeringsfejl er afledt af den gennemsnitlige fejl i n-1 modeller., Af denne grund har vi brugt LOOCV for at udlede krydsvaliderede diskriminationstal mellem malingerers og patienter.

for nylig er det vist, at psykometrisk test kan forstærkes ved at bruge, ud over mere traditionelle statistiske metoder, machine learning (ML) teknikker (James et al., 2013). ML er allerede blevet brugt til at udvikle højtydende klassifikationsmodeller med det formål at detektere malingerers (Monaro et al., 2018a,b).

dataanalyse er blevet udført ved hjælp af SPSS og 3eka 3.8 (Hall et al., 2009).,

resultater

ikke-parametrisk statistisk analyse

gennemsnit og standardafvigelser for alder, uddannelse og prøveresultater er rapporteret i tabel 1. Da ikke alle testresultater normalt blev fordelt på grupper, blev ikke-parametriske gruppesammenligninger (Kruskal-Anallis ANOVAs) beregnet. Grupperne var ikke signifikant forskellige i alder og års uddannelse, men de adskiller sig i MMSE-og FAB-scoringerne, hvor Gruppe a scorede markant værre end gruppe B (sunde kontroller) og C (malingerers) på MMSE og FAB.,

som vist var grupperne signifikant forskellige på alle b-testresultater. Tabel 2 rapporterer resultaterne af Mann-Uhitney u-testanalyser anvendt i parvise sammenligninger af b-testdata (Bonferroni-korrigerede signifikansniveauer blev sat til 0, 02)., Malingerers (gruppe C) gjort flere provision fejl (herunder D fejl) og udeladelse fejl, og opnåede signifikant højere E-scores end kontroller og patienter (gruppe B og A, henholdsvis). Sunde kontroller overgik også betydeligt patienter på disse scoringer. Gruppesammenligninger på responstider var også signifikante, med kontroller, der afsluttede testen markant hurtigere end malere og patienter, som ikke adskiller sig markant fra hinanden.

Fejl mønstre, der viste, at patienter og kontroller, der foretages mere udeladelse, fejl, end kommissionen fejl (herunder u-fejl), mens malingerers gjort mere kommissionen fejl i almindelighed, efterfulgt af udeladelse, fejl og d fejl.

Klassifikationsnøjagtighed mellem patienter og malere

Ved anvendelse af b-testen i en medicinsk-juridisk indstilling er det mest interessante sammenligningen mellem malere og patienter., I betragtning af, at i en medico-juridiske indstilling, den enkelte er malingering tilbøjelige, målet er at identificere, om eksaminanden er en reel patologisk sag eller en malingerer. Af denne grund er den maksimale interesse i effektivt at skelne (i vores eksperiment) patienter fra malingerere alene på grundlag af b-testresultaterne. Tærskelværdier, der klassificerer 90% af patienterne korrekt for hver foranstaltning (udeladelsesfejl, d-fejl, kommissionsfejl, responstid og E-score sammen med AUC) resulterede i en høj klassificeringsnøjagtighed (se tabel 3)., For eksempel, hvad angår udeladelsesfejlene, klassificerede en cut-off >56 90% af patienterne (gruppe A) og 90, 4% af malingererne (gruppe C) korrekt.

dette resultat kan dog lide af overfitting., Som rapporteret ovenfor testede vi forskellige maskinlæringsmodeller ved hjælp af LOOCV-proceduren for at evaluere effektiviteten af b-testen og undgå overfitting.

de forudsigere, der blev brugt til at udvikle maskinlæringsmodellen, var følgende: alder, uddannelse, køn, d-fejl, kommissionsfejl, udeladelsesfejl, total RT (sec), E-score. De leave-one-out cross validation (LOOCV) (fx, Vapnik og Chapelle, 2000) teknik blev anvendt. En sådan teknik efterlader en enkelt sag ud af den træningsprøve, der bruges til at udvikle modellen., Når modellen er udviklet, testes dens nøjagtighed (ud af prøve) i dette hold-out emne. Processen gentages for alle tilfælde i prøven (når man sammenligner patienter og malingers, 42-1). Fejlen er derefter gennemsnit over 42-1 beregninger og denne gennemsnitlige fejl er et skøn over Out-of-prøve fejl. LOOCV er den valgte metode, når der findes et lille antal tilfælde, som for eksempel i neuroimaging-undersøgelser (Orr.et al., 2012).,

de ni funktioner, der er nævnt ovenfor, blev indtastet i forskellige maskinlæringsklassifikatorer, som blev uddannet til at klassificere hvert emne som tilhørende en af de to kategorier af interesse (patienter og malingerere). I særdeleshed, har vi udvalgt følgende kriterier for klassificering som repræsentant for forskellige kategorier af kriterier for klassificering: Naive Bayes, Logistisk Regression, Simpel Logistisk regression Support Vektor Maskine, og Random Forest (WEKA Manualen til Version 3-7-8, Bouckaert et al., 2013). Resultaterne for de forskellige klassifikatorer fremgår af tabel 4.,

alle klassifikatorer baseret på forskellige antagelser og repræsentative for forskellige klasser af klassifikatorer gav lignende nøjagtige resultater med lignende tal både for falske positive og falske negative fejl.

de resultater, der er rapporteret i tabel 5, henviser til sammenligningen mellem patienter og simulatorer.,

Endelig, en Tilfældig Skov multiklassefonde klassificeringen som klassificerer de emner, men i tre klasser (patienter, raske kontrolpersoner, og malingerers) og ikke i to kategorier, som er anført i tabel 4, 5 gav følgende resultater: (1) den samlede nøjagtighed = 79.4; (2) AUC = 0.87; (3) F1 = 0.8., Patienter korrekt klassificeret som førnævnte var 17/21, sunde kontroller var 15/21, og malingerers var 18/21.

alle ML-modeller, der er rapporteret ovenfor, er uigennemsigtige, og den underliggende logik, der giver den endelige klassificering, er ikke ligetil., For at få en mere klar forståelse af den klassificering logik, vi har kørt et træ model ML, som vælger den optimale beslutning regel, der maksimerer klassificering nøjagtighed, J48 (Quinlan, 1993), hvilket gav følgende optimale beslutning regel:

hvis en udeladelse, fejl < = 78, så emnet er klassificeret som en patient med en nøjagtighed svarende til 95.,2%;

og

hvis en udeladelse, fejl > 78, så emnet er klassificeret i en simulator med nøjagtighed svarende til 86%.

det nævnte beslutningsprincip er ikke den bedste klassifikator, men giver en nem måde at forstå reglen på, hvilket resulterer i høj nøjagtighed ved klassificering af patienter og malingerere., Som oprindeligt angivet af Boone (2000) er udeladelsesfejl dem, der bidrager mere til korrekt at skelne simulatorer fra patienter, og også denne forskning indikerer, at optimal klassificering kunne baseres på en regel, der er baseret på antallet af udeladelser.

derudover er der anvendt en korrelationsanalyse til at fremhæve, hvilken af forudsigelserne der maksimalt bidrager til den korrekte klassificering af patienter vs. simulatorer. Resultaterne var følgende: udeladelse = 0,81; provision = 0,66; E-score = 0,66; d fejl = 0,56., Random Forest også mulighed for at sortere betydningen af de indikatorer, der bidrager til den nøjagtige klassificering og betydningen af de indikatorer, svarer til, hvad der følger af den correlational analyse beskrevet ovenfor med det maksimale bidrag til en klassificering, der kommer fra en undladelse, og kommissionen fejl og E-score.,

Diskussion

Selv om klinisk og forskningsmæssig indsats, der har ført til stadig mere sofistikerede metoder, og det har givet lovende resultater til at opdage malingering, at der stadig er væsentlige teoretiske og praktiske udfordringer i forbindelse med afsløringen af malingering, især i den ældre del af befolkningen, med Mild Neurokognitive Forstyrrelser. Forfalsket alvorlig kognitiv svækkelse kan påvises klinisk ved at sammenligne lave score ved kognitive testresultater og fejlfri funktion afledt af dagligdagen., Faktisk er fejlfri dagliglivsaktiviteter parret med alvorlig svækkelse ved kognitive tests, der tapper på de samme funktioner, tegn på malingering. Men, Mild Neurokognitive Forstyrrelser er ikke normalt ledsaget af daglige levende funktionsnedsættelse og malingerers kan være vanskelige at opdage ved hjælp af enkle strategier, der består i at sammenligne kognitive test resultater (meget lav) og daglige aktiviteter (bevaret).

en række strategier er tilgængelige for at identificere malingerers af kognitive underskud., For eksempel er den medicinske Symptomgyldighedstest (msvt) en udbredt hukommelsestest med tre indbyggede indsatsforanstaltninger, der sigter mod at opdage feigning (Green, 2004; Dandachi-Fit .gerald og Merckelbach, 2013). MSVT har opnået imponerende høje følsomhedshastigheder og specificitet i eksperimentelle undersøgelser, der har sammenlignet kontroller med malingerers, der er instrueret om at udvise hukommelsesproblemer (Merten et al., 2005).

b-testen tilhører den samme klasse af tests, de såkaldte præstationsgyldighedstest (f. eks.,, Rey 15 items, re .nek, 2005), som er test, der er meget lette også for de stærkt kognitivt svækkede.

for at evaluere, om b-testen kan hjælpe med at identificere denne type malingerer, administrerede vi b-testen til en gruppe patienter med Mild neurokognitiv lidelse. Denne gruppe blev sammenlignet med sunde kontroller, der blev instrueret til at reagere bedragerisk på testen (kunstigt producerer lignende mønstre af kognitiv svækkelse) og en gruppe sunde kontroller, der blev instrueret til at reagere sandfærdigt på testen.,

større resultater viser, at malere scorede dårligere end kontroller og patienter på b-testen, på alle parametre afledt af testen bortset fra den samlede responstid. Især, patienter og kontroller lavede flere udeladelsesfejl end provisionsfejl, inklusive d-fejl, mens malingerers begik uforholdsmæssigt flere kommissionsfejl, efterfulgt af udeladelsesfejl og d-fejl. Disse fund afspejler nøje strategierne for feigning som rapporteret mundtligt af malingererne., I virkeligheden, halvdelen af dem angav, at de lavede tilfældige undladelse, og kommissionen fejl, mens cirka en fjerdedel af dem oplyste, at de forsøgte at få alle mål, der ikke blev b ‘ s. Halvdelen af malingerers rapporterede også, at de bevidst har bremset deres responstid. Derfor kan malingerers skelnes fra sandhedstællerne baseret på deres fejlmønstre, hvilket er radikalt forskelligt fra dem, der er vist af patienter. I modsætning hertil har patienter og sunde kontroller lignende mønster af reaktioner og fejl., Mens kontrol udført betydeligt bedre end patienter på alle fejl scoringer, begge grupper viste flere fejl udeladelse end provision, mens, som rapporteret ovenfor, malingerers viste det modsatte mønster.

de data, der er rapporteret i vores undersøgelse, er i overensstemmelse med de oprindelige valideringseksperimenter fra Boone et al. (2002), der dokumenterede, at det var meget usædvanligt for ægte patienter med depression, apopleksi, traumatisk hjerneskade, skizofreni, indlæringsvanskeligheder, og fremskreden alder at misidentify non-b, som b ‘ er., Data fra den aktuelle undersøgelse udvider denne observation til ældre patienter med mild demens.

patienter i vores eksperiment udførte b-testen meget langsommere end Boone et al. (2002) patienter (som hovedsagelig omfattede psykiatriske patienter). Disse fund er i overensstemmelse med observationer, at kognitiv afmatning er fremtrædende i tidlig demens (McGuinness et al., 2010) og antyder, at responstider har meget begrænset værdi ved differentiering af faktisk versus fejret mild demens. Tværtimod synes fejl på overlærede informationsopgaver at være meget mere effektive., Arten af neurologiske lidelser forbundet med mild kognitiv svækkelse kan forklare årsagen til, at indekser baseret på tid ikke er særlig nyttige til påvisning af malingerers.

i vores undersøgelse bremser malingerers med vilje deres præstationer. Imidlertid, reduceret responshastighed er også et træk ved de fleste neurologiske tilstande, og dette kan være grunden til, at indekser baseret på timing muligvis ikke er i stand til effektivt at skelne mellem malingerere og patienter.,

ud over standard statistisk analyse, hvis resultater er opsummeret ovenfor, har vi anvendt en mere avanceret analyse baseret på ML-teknikker. Vi har også rapporteret nøjagtighed klassifikation baseret på K-fold Cross Validation (specielt leave-one-out på tværs af validering, LOOCV; normalt betragtes som den bedste teknik til håndtering af sådanne problemer i små prøver) for at opnå unbiased estimater af out-of-sample nøjagtighed., Denne analyse viste, at malingerers kan skelnes fra patienter udelukkende på b-Test resultater med en samlet nøjagtighed på 90% eller mere (maksimal nøjagtighed med den Simple Logistiske sigten). Forskellige typer maskinlæringsmodeller viste lignende resultater. Mens nogle klassifikatorer har meget komplekse beslutningsregler (f.tilfældig skov), kan andre være mere intuitive for klinikeren., For eksempel, en optimal beslutning træet gav følgende grundregel:

hvis en udeladelse, fejl < = 78, så emnet er klassificeret som en patient med en nøjagtighed svarende til 95.2%;

og

hvis > 78 er en simulator med nøjagtighed svarende til 86%.

på Trods af den lavere uddannelsesniveau (M = 6.7, SD = 2.2), raske kontrolpersoner, ” gennemsnitlige responstid (M = 634.76, SD= 236.23) og kommissionen fejl (M = 1.28, SD=2.,75) lignede dem, der blev rapporteret af Boone et al. (2002). Ældre kontrol (uddannelsesniveau = 15.2 år; betyder svartider = 10.8 min; mener kommissionen fejl = 1.0). Kontroller i den aktuelle undersøgelse begik flere udeladelsesfejl end i Boone og kollegernes prøve (gennemsnitlige udeladelsesfejl: 18.0 versus 8.0). Disse fund antyder, at uddannelse ser ud til at have en mindre indflydelse på B-Testpræstation, hvilket antyder, at b-Test er relativt upåvirket af eksaminanden uddannelsesniveau.,

en begrænsning af den aktuelle undersøgelse involverer brugen af instruerede malere (også kaldet eksperimentelle malere). Instruerede malingerers producerer generelt forhøjede følsomhedshastigheder, fordi de har tendens til at udvise mere overdrevent end deres “virkelige” kolleger (Boone et al., 2005). Derudover, i den aktuelle undersøgelse, malingerers blev instrueret om at foregive en sygdom, der kvalificerer sig til kompensation for handicap, så deltagerne kan have forsøgt at overdrive den kognitive svækkelse yderligere., Følsomhedshastigheder i vores undersøgelse kræver derfor fremtidig replikation i medico-juridiske indstillinger ved hjælp af deltagere, der spontant er motiverede til at forfalde snarere end instrueret til at foregive kognitive lidelser.

datatilgængelighed

det datasæt, der blev brugt og analyseret under den aktuelle undersøgelse, er tilgængeligt fra den tilsvarende forfatter efter rimelig anmodning.

etisk Erklæring

den etiske komit.for kliniske forsøg i provinserne Belluno og Treviso (Italien) godkendte forsøgsproceduren., Alle emner gav skriftligt informeret samtykke i overensstemmelse med Helsinki-erklæringen.

forfatter Bidrag

GS og FG udtænkt eksperimentet. GP, RV og GS designede den eksperimentelle opgave. GP bidrog til sunde fag dataindsamling. RV og GP bidraget til raske patienter dataindsamling. GO og AG bidrog til dataanalyse. GO og KB bidrog til datatolkning. GP, GS, KB, og GO udarbejdede manuskriptet. Alle forfatterne reviderede manuskriptet kritisk og gav den endelige godkendelse af den version, der skulle offentliggøres.,

Erklæring om interessekonflikt

forfatterne erklærer, at forskningen blev udført i mangel af kommercielle eller økonomiske forhold, der kunne fortolkes som en potentiel interessekonflikt.