Good Mood

Bevezetés

a közelmúltban egyre több tanulmány jelent meg a malingering jelenségének kezelése és a rosszindulatú kognitív tünetek kimutatása érdekében. Számos vizsgálat (pl. Sartori et al., 2016b; Walczyk et al., 2018) jelzi, hogy a malingering általában három széles területen fordul elő: pszichopatológia, kognitív károsodás, orvosi betegség., A kognitív diszfunkciók összefüggésében a neuropszichológusok és a klinikai pszichológusok egyre inkább a neuropszichológiai értékelések eredményeire támaszkodtak, hogy tájékoztassák véleményüket az állítólagos kognitív károsodások természetéről, mértékéről és hitelességéről. A klinikai és kutatási erőfeszítések egyre kifinomultabb és hatékonyabb módszerekhez és eszközökhöz vezettek, amelyek a legtöbb orvosi-jogi környezetben jellemzően megfigyelhető malingering kimutatására szolgálnak., A bizonyítékok arra utalnak, hogy a malinger külső ösztönzője általában a fizikai károsodást és/vagy kognitív deficitet eredményező sérülések pénzügyi kompenzációját foglalja magában. Minél kiterjedtebb a kognitív diszfunkció, annál több pénzbeli kompenzáció várható, és az egyéneknek jelentős motivációjuk van a tünetek szimulálására vagy túlzott eltúlzására.

kritikusan, a kognitív tünetek nagy részét még a naiv, nem képzett vizsgázók is könnyen hamisítják a gazdasági kompenzáció elérése érdekében., Az említett okból, nagyon fontos, hogy támaszkodni pszichometrikus eszközök megkülönböztetése érdekében, objektív alapon, hogy neuropszichológiai vizsgálat pontszámok pontosan tükrözi a kognitív diszfunkciók-e, vagy egyének kísérlet, hogy szimuláljon vagy eltúlozzák a nehézségek (Sartori et al., 2016b, 2017). Míg a legújabb technikák támaszkodnak komplex számítógépes eszközök (pl Sartori et al., 2016A), a papír-ceruza tesztek (például az itt vizsgált b teszt) még mindig nagy gyakorlati előnyökkel rendelkeznek.,

súlyos kognitív károsodás klinikailag kimutatható, ha összehasonlítjuk a kognitív vizsgálati eredményeket a beteg mindennapi képességeivel. Kifogástalan napi életvitel párosul súlyos károsodást kognitív tesztek megérinti az azonos funkciók jelzi malingering. Az enyhe kognitív károsodásokat azonban általában nem kísérik napi életkárosodás, és a rosszindulatú személyeket nehéz lehet kimutatni egyszerű stratégiák alkalmazásával, amelyek a kognitív vizsgálati eredmények (nagyon alacsony) és a napi tevékenységek (tartósított) összehasonlításából állnak., Ennek a korlátozásnak a leküzdése érdekében a klinikai kutatás (Coin et al., 2009; Orrù et al., 2009).

a malingering kimutatására szolgáló neuropszichológiai tesztekben alkalmazott egyik stratégia egyszerű tesztek használatán alapul. Amint arról az American Academy of Clinical Neuropsychology konszenzus konferencia nyilatkozatot a neuropszichológiai értékelése erőfeszítés, válasz elfogultság és malingering (Heilbronner et al.,, 2009), ezeket a vizsgálatokat általában jól végzik, minimális erőfeszítéssel neurológiai és pszichiátriai betegségben szenvedő betegek, kivéve, ha szándékos szándékuk van rosszul elvégezni őket. A kompenzációs beállításokban használt legtöbb teljesítmény-érvényességi teszt (PVTs) a rövid távú memóriazavarok (Boone et al., 2000; Sharland and Gfeller, 2007; Young et al., 2016). Emellett léteznek olyan tesztek is, amelyek a különböző kognitív területeken, például az overlearned information-ben és a processing speed-ben szimulált deficitek kimutatására szolgálnak.,

az egyik ilyen teszt a b teszt (Boone et al., 2002). Ez áll egy 15 oldalas füzet: minden oldal tartalmaz 72 ingerek beleértve a kisbetűs b (cél ingerek), valamint egyéb szimbólumok, amelyeket, mint distractors, mint a kisbetűs d, k, s p, s b vagy átlós vagy extra szára. Összességében az inger füzetben 255 cél stimulus található: az első oldalon 20, a második oldalon 16, a harmadik pedig 15. Ezeket az oldalakat ötször ismételjük meg egyre kisebb formátumban., A b Teszt előírja, hogy a vizsgált személy a kör, mind a b, hogy megjelennek minden oldalon, amilyen gyorsan csak lehetséges; közben a feladat, különböző típusú hibák lehet kötni: mulasztás hibák (a kihagyva a kör cél ingerek), d hibák (a körözött d), valamint a bizottság hibák (a körözött szimbólumok, amelyek nem b, beleértve d). A vizsgáztató tudomásul veszi a teljes válaszidőt, nevezetesen azt az időt, amelyre a résztvevőnek szüksége van a teszt befejezéséhez., Az összes hibát és az oldalonkénti átlagos időt az erőkifejtési Index (vagy E-pontszám) kiszámításához használják, amely az egyenletből származik: (összes d hiba + összes jutalékhiba) × 10 + összes mulasztási hiba + átlagos idő oldalanként.

A b teszt felméri a túlméretezett készségeket, és alkalmazható az orvosi-jogi környezetben. Az agyi diszfunkcióban szenvedő betegek, akik erőfeszítéseket tesznek a teszten, valószínűleg nem lesznek rosszul besorolva nem együttműködőnek. A memóriazavarban szenvedő betegek nem bukhatnak el a teszt során, és ez kevesebb hamis pozitív eredményt eredményezhet, mint a memória alapú erőkifejtési teszt., Végül a túljátszott tünetek jelenléte és a dokumentált tanulási zavarok hiánya miatt a B Tesztteljesítmény erősen gyanús a malingering (Boone et al., 2002).

A B teszt különböztetheti meg a feltételezett malingereket számos különböző klinikai csoporttól, többek között: major depresszív rendellenesség, skizofrénia, közepesen súlyos vagy súlyos fejsérülés, stroke, tanulási zavar és egészséges időskorúak (lásd Boone et al., 2002).

Vilar-Lòpez et al., (2007) elemezte az előadások a B teszt egy spanyol lakosság minta poszt-concussive szindróma (PCS) részt peres és nem vesz részt peres mutatja jó érzékenység és specificitás. Sőt, egy további tanulmányban (Vilar-Lòpez et al., 2008), ugyanazok a szerzők elemezték az enyhe traumás agykárosodásban szenvedő betegek teljesítményét., A résztvevők osztották három csoportba: az első csoport nem vett részt semmilyen kompenzáció-kereső folyamatok; a második csoport volt egy kártérítési kereső csoport nem feltehetően lógás; a harmadik csoportba tartozó betegek kártérítést, akik feltehetően csak szimulál. A vizsgálat eredményei azt mutatták, hogy statisztikailag szignifikáns különbségek vannak a csoportok és a malingerer versus non-malingerer osztályozás között. Hasonlóképpen, Marshall et al. (2010) megvizsgálták a B teszt érvényességét a hamisított ADHD nagy mintában történő kimutatásában (n = 257).,

az ígéretes eredmények ellenére Shandera et al. (2010) tanulmányt végzett a B teszt érvényességéről egy enyhe mentális retardációban szenvedő felnőtt populációs mintában. Az eredmények nem kielégítő eredményeket mutattak, amikor a malingerereket meg kell különböztetni ettől a klinikai mintától.

mivel ez az eredmény, a diagnosztika a B teszt még mindig nem tisztázott, megkülönböztetve enyhe neurokognitív rendellenességek és malingerers. Tudomásunk szerint, csak Dean et al. (2009) A B teszt n enyhe demenciájának specifikusságát nem kielégítő eredményekkel értékelték.,

annak érdekében, hogy vizsgálja meg a lehetséges a b Teszt osztályozása valódi kognitív zavar a színlelt kognitív deficit az idős lakosság, a jelen tanulmány vizsgálta, hogy a b Próba érték egy olasz minta Enyhe Neurocognitive Tünetek, az egészséges korában-egyezett idősebb egyének, utasította, hogy színlelj kognitív diszfunkciók. Továbbá az volt a célunk, hogy értékeljük, hogy a gépi tanulás osztályozói nagyobb osztályozási pontosságot eredményezhetnek-e, mint a hagyományos, cut-off pontszámokon alapuló megközelítés.,

anyagok és módszerek

résztvevők

hatvanhárom olasz nyelvű résztvevőt vettek fel (36 férfi és 27 nő, átlagos életkor: 73,43 ± 5,97 év, tartomány: 58-87; átlagos oktatás: 7,03 ± 2,78 év, tartomány: 3-19). A minta három csoportból állt. Az első csoport állt betegek vegyes neurológiai etiológiájú, a feltételeket teljesítő, a Diagnosztikai, valamint Statisztikai Kézikönyv a Mentális Zavarok-5 (DSM-5) (APA, 2013) Enyhe Neurocognitive Betegség (Csoport; n = 21)., Ezeket a betegeket az enyhe neurokognitív rendellenességre vonatkozó DSM-5 kritériumok alapján egy szakértő neurológus (RV) diagnosztizálta anamnesztikus interjúk, neurológiai vizsgálatok és neuropszichológiai vizsgálatok révén. A neuropszichológiai értékelés tartalmazza: Mini mentális állapot vizsgálat (MMSE, Folstein et al., 1975; Coin et al., 2009) és frontális értékelési elem (FAB, Dubois et al., 2000; Appollonio et al., 2005). Az a csoportot Olaszország északkeleti részén egy neurológiai egységből toborozták.,

A második csoport (n = 21, Csoport, B) az egészséges korban illő egyének volt szükséges a vizsgálat elvégzéséhez, anélkül, hogy konkrét utasításokat, míg egy harmadik csoport (n = 21, C Csoport) az egészséges korában-egyezett ellenőrzések utasították, hogy válaszol, álnokul, hogy a vizsgált, mintha érzelmeket csökkent.

az egészséges kontrollokat és a malingereket (B csoport és C csoport) két idősek számára fenntartott rekreációs központból toborozták.,

enyhe neurokognitív rendellenességek

enyhe neurokognitív rendellenességben szenvedő résztvevőket

egészséges résztvevőket és kognitív károsodás Malingereit

egészséges résztvevőket

negyvenkét egészséges résztvevőt vettek fel. Nem volt kórtörténetük neurológiai vagy pszichiátriai betegségekről vagy kábítószer – /alkoholfogyasztásról. Az MMSE korrigált pontszáma ≥ 26 volt, és egyetlen Résztvevő sem kapott azonos pontszámot < 2 a FAB-n. Minden résztvevőt véletlenszerűen osztottak ki a következő két csoport egyikébe., Az egyik csoport (B csoport: egészséges kontrollok) megkapta a b teszt standard utasításait (n = 21, 14 férfi és 7 nő), míg a másik (C csoport: malingerers) utasításokat kapott a b teszt (n = 21, 8 férfi és 13 nő) szimulálására a kognitív rendellenesség hamisítása érdekében. Pontosabban, a malingerers (C Csoport) utasítást kaptak, hogy elvégezzék az MMSE és MESÉS, mint a lehető legjobb, csak a b Teszt kapott alatt tanult utasítások (arra kérték, hogy szimulálja elfogadásával stratégiák összhangban a meggyőződésre, valamint a közös tudás enyhe kognitív deficit).,

kísérleti eljárások

A B tesztet MMSE és FAB után adták be minden résztvevőnek. Közvetlenül a kísérleti feladat előtt a malingerers csoporthoz rendelt résztvevőket arra utasították, hogy hazudjanak kognitív állapotukról. A megfelelés növelése érdekében a résztvevők a következő forgatókönyvet kapták: “be kell fejeznie a tesztet, mivel azt enyhe demenciában vagy enyhe kognitív károsodásban szenvedő beteg végezné. Különösen úgy, mintha tagja lennék a Bizottságnak, amely igazolja a fogyatékosságot; meg kell győznie, hogy jogosult a fogyatékossági kifizetésekre.,”A teszt befejezése után a malingerers csoportot a következőképpen kérdőjelezték meg:” írja le az alkalmazott stratégiát, és magyarázza el, miért választotta azt.”

a betegeknek és az egészséges kontrolloknak minden vizsgálatot a maximális erőkifejtés mellett kellett elvégezniük.

Adatelemzés

az adatokat nemparametrikus statisztikai elemzéssel elemeztük. Továbbá a B teszt osztályozási pontosságának értékelése és a túlcsordulás elkerülése érdekében széles körben alkalmaztuk a leave-one-out cross validation (LOOCV) eljárást (Cawley and Talbot, 2010)., A túltöltés túlságosan optimista illeszkedés a modell ugyanazon adatkészleten történő teszteléséből származó adatokhoz, amelyeket maga a modell fejlesztéséhez használnak. A besorolási hiba (malingerers vs. beteg) reális becslésének elérése érdekében kerülni kell a túlcsordulást. A túlkötés egy abnormális modellszerelvény, amelyet általában a mintán kívüli pontossági becslés (tartási módszer) alkalmazásával ellensúlyoznak, amelyeket a helyszíni pontosság proxyjaként használnak. Az ilyen mintavételen kívüli pontossági becslések nagy mintákat igényelnek, amelyeket nehéz összegyűjteni a klinikai populációkkal., Kimutatták, hogy az n-szeres keresztellenőrzés jó eljárás a kis minták valódi pontosságának becslésére. Az n-szeres keresztellenőrzés különleges esete a LOOCV( Cawley and Talbot, 2010), a klinikai vizsgálatokban választott módszer (Orrù et al., 2012). A LOOCV-ben a statisztikai modellt csak n-1 példákkal fejlesztették ki, majd a fennmaradó példán tesztelték. Az eljárást szisztematikusan megismételjük, a kihagyott példát, a mintán kívüli osztályozási hibát pedig az n − 1 modellek átlagos hibájából származtatjuk., Ezért a LOOCV-t használtuk annak érdekében, hogy a malingererek és a betegek közötti, határokon átnyúló, validált diszkriminációs adatokat lehessen levonni.

a közelmúltban kimutatták, hogy a pszichometriai tesztelés kiegészíthető a hagyományosabb statisztikai módszerek mellett gépi tanulási (ML) technikák (James et al., 2013). Az ML-t már felhasználták a malingererek kimutatására szolgáló nagy teljesítményű osztályozási modellek kifejlesztésére (Monaro et al., 2018A, b).

az adatok elemzését SPSS és Weka 3.8 (Hall et al., 2009).,

eredmények

Nemparametrikus statisztikai elemzés

az életkorra, az oktatásra és a vizsgálati pontszámokra vonatkozó standard eltéréseket az 1.táblázat tartalmazza. Mivel általában nem minden teszteredményt osztottak el csoportok között, nemparametrikus csoportösszehasonlításokat (Kruskal-Wallis ANOVAs) számoltak ki. Csoport nem különbözik jelentősen a korban, éves oktatás, de különbözött a MMSE és MESÉS pontszámok, a Csoport Egy pontozási lényegesen rosszabb, mint a B Csoport (egészséges kontroll), valamint C (malingerers) a MMSE és MESÉS.,

amint az látható, a csoportok jelentősen különböztek az összes b vizsgálati pontszámtól. A 2. táblázat a Mann-Whitney U teszt analízisek eredményeit mutatja be, amelyeket a B vizsgálati adatok páronkénti összehasonlításakor használtak (a Bonferroni-korrigált szignifikanciaszinteket 0,02-nél határozták meg)., A Malingerers (C csoport) több bizottsági hibát (beleértve a d hibákat) és mulasztási hibát követett el, és lényegesen magasabb E-pontszámokat ért el, mint a kontrollok és a betegek (B csoport, illetve A csoport). Az egészséges kontrollok szintén jelentősen felülmúlták a betegeket ezeken a pontszámokon. Csoport összehasonlítások a reagálási időkben is jelentős volt, az ellenőrzések elvégzése a vizsgálati lényegesen gyorsabban, mint malingerers, mind a betegek, akik nem jelentősen különböznek egymástól.

Hiba minták kiderült, hogy a betegek, mind az ellenőrzések több mulasztás hibák, mint a bizottság hiba (beleértve a d hibák), míg malingerers több bizottság hibák az általános, majd a mulasztás hibák, valamint d hibák.

osztályozási pontosság a betegek és a Malingererek között

A B teszt orvosi jogi környezetben történő alkalmazása során a legérdekesebb a malingererek és a betegek összehasonlítása., Tekintettel arra, hogy orvosi-jogi környezetben az egyén hajlamos a malingeringre, a cél annak meghatározása, hogy a vizsgázó valódi kóros eset vagy rosszindulatú-e. Ezért a legnagyobb érdeklődés az, hogy a B teszt eredményei alapján hatékonyan megkülönböztessük (kísérletünkben) a betegeket a malingerektől. A betegek 90%-át helyesen osztályozó küszöbértékek (mulasztási hibák, d hibák, jutalékhibák, válaszidő és E-pontszám az AUC-vel együtt) magas osztályozási pontosságot eredményeztek (lásd a 3.táblázatot)., Például, ami a mulasztási hibákat illeti, a >56 a betegek 90%-át (a csoport) és a malingererek 90, 4% – át (C csoport) helyesen osztályozták.

Ez az eredmény azonban túlzott mértékű lehet., Amint arról korábban beszámoltunk, a B teszt hatékonyságának értékelése és a túlcsordulás elkerülése érdekében a LOOCV eljárással különböző gépi tanulási modelleket teszteltünk.

a gépi tanulási modell kidolgozásában használt prediktorok a következők voltak: életkor, oktatás, nem, d hibák, jutalékhibák, mulasztási hibák, teljes RT (sec), E-pontszám. A “leave-one-out cross validation” (LOOCV) (pl. Vapnik and Chapelle, 2000) technikát alkalmazták. Egy ilyen technika egyetlen esetet hagy ki a modell kifejlesztéséhez használt képzési mintából., A modell kifejlesztése után pontosságát (mintán kívül) tesztelik ebben a tartási témában. A folyamat megismétlődik minden esetben a mintában (ha összehasonlítjuk a betegek és malingers, 42-1). A hibát ezután átlagolják a 42-1-es számítások során, ez az átlagos hiba pedig a mintán kívüli hiba becslése. A LOOCV a választott módszer, ha kevés eset áll rendelkezésre, például neuroimaging vizsgálatokban (Orrù et al., 2012).,

a fent említett kilenc jellemzőt különböző gépi tanulási osztályozókba sorolták, amelyeket arra képeztek ki, hogy minden tantárgyat a két érdekcsoport egyikébe soroljanak (betegek és malingerek). Különösen a következő osztályozókat választottuk ki az osztályozók különböző kategóriáinak képviselőjeként: naiv Bayes, logisztikai regresszió, egyszerű logisztikai regresszió támogató Vektorgép, véletlenszerű erdő (WEKA Kézikönyv A 3-7-8 verzióhoz, Bouckaert et al., 2013). A különböző osztályozók eredményeit a 4. táblázat tartalmazza.,

a különböző feltételezéseken alapuló és az osztályozók különböző osztályainak képviselő osztályai hasonló pontos eredményeket hoztak, hasonló adatokkal mind a hamis pozitív, mind a hamis negatív hibák esetében.

az 5.táblázatban jelentett eredmények a betegek és a szimulátorok összehasonlítására utalnak.,

Végre, egy Véletlen Erdő multiclass osztályozó, amely osztályozza a tárgyakat, de a három osztály (betegek, egészséges kontrollok, illetve malingerers), nem pedig két kategóriában amint arról Asztalok 4, 5 hozott eredményei a következők: (1) általános pontosság = 79.4; (2) AUC = 0.87; (3) F1 = 0.8., A fent említettek szerint helyesen besorolt betegek 17/21, az egészséges kontrollok 15/21, a malingererek pedig 18/21 voltak.

a fent említett összes ML-modell átlátszatlan, és a végső besorolást eredményező mögöttes logika nem egyértelmű., Annak érdekében, hogy egy világos megértése, hogy az osztályozási logika, már fut egy fa modell ML, amely kiválasztja az optimális döntés szabály, hogy maximalizálja a besorolás pontossága, a J48 (Quinlan, 1993), amely engedett a következő optimális döntés szabály:

ha a mulasztás a hibák < = 78, akkor a téma minősül a beteg pontossággal egyenlő 95.,2%;

és

Ha a mulasztási hibák > 78, akkor a tárgyat 86% – os pontossággal osztályozzák.

az említett döntési elv nem a legjobb osztályozó, hanem egyszerű módot ad a szabály megértésére, ami nagy pontosságot eredményez a betegek és a malingerek osztályozásában., Eredetileg által megadott Boone (2000), mulasztás hibák azok, amelyek több hozzájáruló helyesen megkülönböztető szimulátorok a betegek is ez a kutatás azt jelzi, hogy optimális besorolás alapja lehet egy szabály, amely alapján a száma is megmutatkozott.

ezenkívül korrelációs elemzést alkalmaztak annak kiemelésére, hogy a prediktorok közül melyik maximálisan hozzájárul a betegek helyes osztályozásához vs.szimulátorok. Az eredmények a következők voltak: mulasztás = 0,81; jutalék = 0,66; E-pontszám = 0,66; d hibák = 0,56., A Random Forest lehetővé teszi a prediktorok fontosságának rendezését a pontos osztályozáshoz való hozzájárulásban, és a prediktorok fontossága hasonló volt a fent említett korrelációs elemzésből eredő értékhez, a mulasztásból, a Bizottság hibáiból és az E-pontszámból származó osztályozáshoz való maximális hozzájárulással.,

a Vita

Bár a klinikai, mind a kutatási erőfeszítések vezettek egyre kifinomultabb módszerek nem hoztak ígéretes eredmények kimutatására lógás, még mindig vannak jelentős elméleti, mind a gyakorlati kihívásokra, a felismerés, a lógás, különösen az idős népesség Enyhe Neurocognitive Zavarok. A hamis súlyos kognitív károsodás klinikailag kimutatható, ha összehasonlítjuk az alacsony pontszámokat a kognitív teszt eredményeivel és a mindennapi életből származó kifogástalan működéssel., Valójában, a kifogástalan napi életvitel, amely súlyos károsodással párosul ugyanazon funkciók kognitív tesztjein, a malingeringre utal. Azonban Enyhe Neurocognitive Betegségek általában nem kíséri mindennapi élet értékvesztés, illetve malingerers nehéz kimutatni segítségével egyszerű stratégiák, amely összehasonlítva a kognitív teszt eredmények (nagyon alacsony), illetve a napi tevékenységek (fennmaradt).

számos stratégia áll rendelkezésre a kognitív deficit malingereinek azonosítására., Például az orvosi tünet érvényességi teszt (MSVT) egy széles körben használt memória teszt három beépített erőfeszítéssel, amelyek célja a színlelés észlelése (Green, 2004; Dandachi-FitzGerald and Merckelbach, 2013). Az MSVT lenyűgözően magas érzékenységi és specificitási rátát ért el olyan kísérleti vizsgálatokban, amelyek összehasonlították a kontrollokat a memóriaproblémákra utasított malingerekkel (Merten et al., 2005).

A b teszt ugyanabba a vizsgálati osztályba tartozik, az úgynevezett teljesítmény-érvényességi tesztek (pl.,, Rey 15 items, Reznek, 2005), amelyek olyan tesztek, amelyek nagyon könnyűek a nagymértékben kognitív károsodottak számára is.

annak értékelése érdekében, hogy a b teszt segíthet-e az ilyen típusú malingererek azonosításában, a b tesztet enyhe neurokognitív rendellenességben szenvedő betegek egy csoportjának adtuk be. Ezt a csoportot olyan egészséges kontrollokkal hasonlították össze, amelyek arra utasítottak, hogy megtévesztően reagáljanak a tesztre (mesterségesen hasonló kognitív károsodási mintákat generálva), valamint egy egészséges kontrollcsoportra, amelyet arra utasítottak, hogy őszintén reagáljon a tesztre.,

A főbb eredmények azt mutatják, hogy a malingerers a teljes válaszidő kivételével minden, a vizsgálatból származó paraméteren a kontrolloknál és a betegeknél gyengébb pontszámot ért el. Nevezetesen, a betegek, mind az ellenőrzések több mulasztás hibák, mint a bizottság hibák, beleértve d hibák, míg a malingerers tett aránytalanul több bizottság hibát követett mulasztás hibák, valamint d hibák. Ezek a megállapítások szorosan tükrözik a színlelés stratégiáit, amint azt a rosszindulatú személyek szóban jelentették., Sőt, a fele jelezte, hogy megtették véletlen mulasztás, illetve a bizottság hibák, míg körülbelül egynegyedük jelezte, hogy megpróbálták kör célokat, hogy nem volt b. Fél a malingerers is jelentette, hogy ők szándékosan lelassított a válaszidő. Ezért a rosszindulatú személyeket a hibamintáik alapján meg lehet különböztetni az igazságszolgáltatóktól, ami radikálisan különbözik a betegek által mutatottaktól. Ezzel szemben a betegek és az egészséges kontrollok hasonló választ és hibákat mutatnak., Míg a kontrollok lényegesen jobban teljesítettek, mint a betegek az összes hiba pontszámán, mindkét csoport több mulasztási hibát mutatott, mint a jutalék, míg a fent leírtak szerint a malingerers az ellenkező mintát mutatta.

a tanulmányunkban közölt adatok összhangban vannak a Boone et al eredeti validációs kísérleteivel. (2002), amely dokumentálta, hogy rendkívül szokatlan volt a valódi betegek depresszió, stroke, traumás agysérülés, skizofrénia, tanulási fogyatékosság, és a kor előrehaladtával tévesen azonosítani nem b-k, mint a b-k., A jelenlegi vizsgálat adatai kiterjesztik ezt a megfigyelést az enyhe demenciában szenvedő idősebb betegekre.

kísérletünkben a betegek sokkal lassabban végezték el a b tesztet, mint a Boone et al. (2002) betegek (akik között többnyire pszichiátriai betegek voltak). Ezek az eredmények összhangban vannak azzal a megfigyeléssel, hogy a kognitív lassulás kiemelkedő a korai demenciában (McGuinness et al., 2010) és arra utalnak, hogy a válaszidőknek nagyon korlátozott értékük van a tényleges megkülönböztetésben az enyhe demenciával szemben. Éppen ellenkezőleg, a túltanult információs feladatok hibái sokkal hatékonyabbnak tűnnek., Az enyhe kognitív károsodással járó neurológiai rendellenességek jellege megmagyarázhatja azt az okot, hogy az idő alapú indexek miért nem különösebben hasznosak a rosszindulatú daganatok kimutatásában.

tanulmányunkban a malingererek szándékosan lelassítják teljesítményüket. A csökkent válaszsebesség azonban a legtöbb neurológiai állapot egyik jellemzője, és ez lehet az oka annak, hogy az időzítésen alapuló indexek nem képesek hatékonyan különbséget tenni a malingererek és a betegek között.,

a standard statisztikai elemzés mellett, amelynek eredményeit a fentiekben foglaltuk össze, fejlettebb elemzést alkalmaztunk ML technikák alapján. Mi is arról számoltak be, osztályozási pontosságot alapján K-szeres Cross-Validation (konkrétan leave-one-out cross validation, LOOCV; általában tekinthető a legjobb technika kezelése ilyen problémák a kis minta) annak érdekében, hogy elfogulatlan becslések out-of-sample pontosságot., Ez az elemzés azt mutatta, hogy a malingererek megkülönböztethetők a betegektől kizárólag a b teszt teljesítményén, legalább 90% – os teljes pontossággal (maximális pontosság az egyszerű logisztikai osztályozóval). A gépi tanulási modellek különböző típusai hasonló eredményeket mutattak. Míg egyes osztályozók rendkívül összetett döntési szabályokkal rendelkeznek (például véletlenszerű erdő), mások intuitívabbak lehetnek a klinikus számára., Például egy optimális döntési fa a következő döntési szabályt hozta:

Ha a mulasztási hibák < = 78, akkor az alany 95,2% – os pontosságú betegnek minősül;

és

if > 78 egy szimulátor pontossággal egyenlő 86%.

az alacsonyabb oktatási szint (m = 6,7, SD = 2,2) ellenére az egészséges kontrollok átlagos válaszideje (m = 634,76, SD= 236,23) és jutalékhibái (M = 1,28, SD=2.,75) hasonlóak voltak a Boone et al. (2002). Régebbi ellenőrzések (oktatási szint = 15,2 év; átlagos válaszidő = 10,8 perc; átlagos jutalék hibák = 1,0). A jelenlegi vizsgálatban a kontrollok több mulasztási hibát követtek el, mint a Boone és a kollégák mintájában (átlagos mulasztási hibák: 18.0 versus 8.0). Ezek az eredmények arra utalnak, hogy az oktatás úgy tűnik, hogy kisebb hatással van a B teszt teljesítményére, ami arra utal, hogy a B tesztet viszonylag nem befolyásolja a vizsgázó oktatási szintje.,

a jelenlegi vizsgálat korlátozása magában foglalja az oktatott malingererek (más néven kísérleti malingererek) használatát. Utasította malingerers általában termelnek emelkedett érzékenység aránya, mert hajlamosak színlelni több túlzottan, mint a “valós” társaik (Boone et al., 2005). Továbbá, a jelenlegi vizsgálatban, malingerers arra utasították, hogy színlelje a betegség, amely jogosult a fogyatékosság kompenzáció, így a résztvevők megpróbálták tovább eltúlozni a kognitív károsodás., Az érzékenységi arányok a tanulmányunkban megkövetelik, ebből adódóan, jövőbeli replikáció az orvosi-jogi környezetben olyan résztvevők felhasználásával,akik spontán motiváltak a hamisításra, nem pedig a kognitív rendellenességek megtévesztésére.

adatok elérhetősége

a jelenlegi vizsgálat során használt és elemzett adatkészlet ésszerű kérésre elérhető a megfelelő szerzőtől.

etikai nyilatkozat

Belluno és Treviso (Olaszország) tartományok klinikai vizsgálatainak etikai bizottsága jóváhagyta a kísérleti eljárást., Minden tantárgy a Helsinki Nyilatkozatnak megfelelően írásos beleegyezést adott.

szerzői hozzájárulások

GS és FG megfogalmazta a kísérletet. GP, RV és GS tervezte a kísérleti feladatot. A GP hozzájárult az egészséges alanyok adatszerzéséhez. Az RV és a GP hozzájárult az egészséges betegek adatszerzéséhez. A GO és az AG hozzájárult az adatok elemzéséhez. A GO és a KB hozzájárult az adatok értelmezéséhez. GP, GS, KB, és GO megírta a kéziratot. A szerzők kritikusan felülvizsgálták a kéziratot, és megadták a végleges jóváhagyást a kiadandó változathoz.,

összeférhetetlenségi nyilatkozat

a szerzők kijelentik, hogy a kutatást olyan kereskedelmi vagy pénzügyi kapcsolatok hiányában végezték, amelyek potenciális összeférhetetlenségnek tekinthetők.