Good Mood

wprowadzenie

Ostatnio opublikowano coraz więcej badań, aby zająć się zjawiskiem malingeringu i wykrywaniem malingerowanych objawów poznawczych. Szereg badań (np. Sartori et al., 2016B; Walczyk i in., 2018) wskazują, że malingering zwykle występuje w trzech szerokich domenach: psychopatologii, zaburzeniach poznawczych i chorobach medycznych., W kontekście dysfunkcji poznawczych neuropsycholodzy i psycholodzy kliniczni coraz częściej polegają na wynikach ocen neuropsychologicznych, aby informować swoje opinie na temat charakteru, zakresu i wiarygodności deklarowanych zaburzeń poznawczych. Wysiłki kliniczne i badawcze doprowadziły do coraz bardziej wyrafinowanych i skutecznych metod i instrumentów zaprojektowanych do wykrywania oszustw, które są zazwyczaj obserwowane w większości środowisk medyczno-prawnych., Istnieją dowody sugerujące, że zewnętrzna motywacja do malingera zazwyczaj obejmuje rekompensatę finansową za urazy powodujące upośledzenie fizyczne i / lub deficyty poznawcze. Im bardziej rozległa dysfunkcja poznawcza jest wyświetlana, tym bardziej oczekuje się rekompensaty pieniężnej, a osoby mają znaczący motyw do symulowania lub przesadzania objawów.

, Z tego powodu ważne jest, aby polegać na narzędziach psychometrycznych w celu rozróżnienia, na podstawie obiektywnej, czy wyniki testów neuropsychologicznych dokładnie odzwierciedlają dysfunkcje poznawcze lub czy osoby próbowały symulować lub przesadzać ze swoimi trudnościami (Sartori et al., 2016b, 2017). Podczas gdy nowsze techniki opierają się na złożonych narzędzi komputerowych (np Sartori et al., 2016a), testy papierowo-ołówkowe (takie jak test b badany tutaj) nadal mają duże praktyczne zalety.,

poważne zaburzenia poznawcze można wykryć klinicznie, porównując wyniki testów poznawczych z codziennymi zdolnościami pacjenta. Niezakłócone codzienne czynności życiowe w połączeniu z poważnymi zaburzeniami w testach poznawczych Jednak łagodnym zaburzeniom poznawczym zwykle nie towarzyszą codzienne upośledzenia, a malingerowie mogą być trudni do wykrycia za pomocą prostych strategii polegających na porównaniu wyników testów poznawczych (bardzo niskich) i codziennych czynności (zachowanych)., Aby przezwyciężyć to ograniczenie, można polegać na wynikach badań klinicznych (Coin et al., 2009; Orrù et al., 2009).

jedna ze strategii stosowanych w badaniach neuropsychologicznych do wykrywania malingeringu opiera się na wykorzystaniu prostych testów. Jak donosi oświadczenie konferencji American Academy of Clinical Neuropsychology Consensus Conference na temat neuropsychologicznej oceny wysiłku, uprzedzeń odpowiedzi i malingeringu (Heilbronner et al.,, 2009), badania te są zazwyczaj dobrze wykonywane przy minimalnym wysiłku przez pacjentów cierpiących na choroby neurologiczne i psychiatryczne, chyba że istnieje celowy zamiar wykonania ich źle. Większość testów skuteczności działania (Pvt) stosowanych w Ustawieniach szukających kompensacji są przeznaczone do wykrywania fałszywych zaburzeń pamięci krótkotrwałej (Boone et al., 2000; Sharland and Gfeller, 2007; Young et al., 2016). Ponadto istnieją również testy wykrywające symulowane deficyty w różnych obszarach poznawczych,takich jak nadmierna ilość informacji i szybkość przetwarzania.,

jednym z takich testów jest Test b (Boone et al., 2002). Składa się z 15-stronicowej broszury: każda strona zawiera 72 bodźce, w tym małe litery b (bodźce docelowe) i inne symbole, które są używane jako rozpraszające, takie jak małe litery d, q I p oraz b z przekątną lub dodatkowymi łodygami. Ogólnie rzecz biorąc, w broszurze stymulacyjnej znajduje się 255 bodźców docelowych: 20 na pierwszej stronie, 16 na drugiej i 15 na trzeciej. Strony te są powtarzane pięć razy w coraz mniejszym formacie., Test b wymaga, aby egzaminator zakreślił wszystkie b, które pojawiają się na każdej stronie tak szybko, jak to możliwe; podczas zadania mogą być popełniane różne rodzaje błędów: błędy pominięcia (przez pominięcie bodźców docelowych), błędy d (przez okrążenie d) i błędy Komisji (przez okrążenie symboli, które nie są b, w tym d). Egzaminator bierze pod uwagę całkowity Czas odpowiedzi, czyli czas potrzebny Uczestnikowi na ukończenie testu., Całkowite błędy i średni czas na stronę są używane do obliczania wyniku wskaźnika wysiłku (lub e-score), który wynika z równania: (całkowite błędy d + całkowite błędy prowizji) × 10 + całkowite błędy pominięcia + średni czas na stronę.

Test b ocenia umiejętności i może być stosowany w środowisku medyczno-prawnym. Pacjenci z dysfunkcją mózgu, którzy podejmują wysiłek w teście, prawdopodobnie nie zostaną błędnie sklasyfikowani jako nie współpracujący. Pacjenci z zaburzeniami pamięci nie mogą zawieść w teście, a to może powodować mniej fałszywych wyników niż test wysiłkowy oparty na pamięci., Wreszcie, pogorszona wydajność testu b z powodu obecności nadmiernych objawów i braku udokumentowanych trudności w uczeniu się jest wysoce podejrzana o malingering (Boone et al., 2002).

Test b może odróżnić podejrzanych malingerers od wielu różnych grup klinicznych, w tym: poważne zaburzenia depresyjne, schizofrenia, umiarkowane lub ciężkie urazy głowy, udar, trudności w uczeniu się i zdrowych osób w podeszłym wieku (patrz Boone et al., 2002).

, (2007) przeanalizował występy na teście B Hiszpańskiej próbki populacji z zespołem po wstrząsie (PCS) zaangażowanym w spory sądowe, a nie zaangażowanym w spory sądowe, wykazując dobrą wrażliwość i specyficzność. Ponadto, w dodatkowym badaniu (Vilar-Lòpez et al., 2008), ci sami autorzy przeanalizowali wyniki pacjentów z łagodnym urazowym uszkodzeniem mózgu., Uczestnicy zostali podzieleni na trzy grupy: pierwsza grupa nie była zaangażowana w żadne procesy dochodzenia odszkodowań; druga grupa była grupą poszukującą odszkodowań, która nie była podejrzana o malingering; trzecia grupa obejmowała pacjentów ubiegających się o odszkodowanie, którzy byli podejrzani o malingering. Wyniki badania wykazały, że istnieją statystycznie istotne różnice między grupami i klasyfikacją malingerera a klasyfikacją nie malingerera. Podobnie, Marshall et al. (2010) zbadali Ważność testu b w wykrywaniu udawanego ADHD w dużej próbce (n = 257).,

pomimo obiecujących wyników, Shandera i wsp. (2010) przeprowadził badanie dotyczące ważności testu b w dorosłej próbce populacji cierpiącej na łagodne opóźnienie umysłowe. Wyniki wykazały niezadowalające wyniki, gdy trzeba odróżnić malingery od tej próbki klinicznej.

biorąc pod uwagę ten wynik, diagnoza testu b pozostaje nadal niejasna, rozróżniając łagodne zaburzenia Neurogeniczne od złośliwych. Według naszej wiedzy, tylko Dean et al. (2009) oceniła swoistość testu b n łagodnego otępienia z niezadowalającymi wynikami.,

w celu zbadania potencjału testu b w klasyfikacji autentycznych zaburzeń poznawczych z udawanych deficytów poznawczych w populacji osób starszych, niniejsze badanie zbadało wartość testu b w próbce włoskiej z łagodnymi zaburzeniami Neurokognitywnymi i u zdrowych osób starszych dopasowanych do wieku, poinstruowanych do udawania dysfunkcji poznawczych. Ponadto naszym celem była ocena, czy klasyfikatory uczenia maszynowego mogą skutkować zwiększoną dokładnością klasyfikacji w porównaniu z bardziej tradycyjnym podejściem opartym na wynikach odciętych.,

materiały i metody

uczestnicy

rekrutowano sześćdziesięciu trzech uczestników mówiących po włosku (36 mężczyzn i 27 kobiet, średni wiek: 73,43 ± 5,97 lat, Przedział: 58-87; ŚREDNIE WYKSZTAŁCENIE: 7,03 ± 2,78 lat, Przedział: 3-19). Próba składała się z trzech grup. Pierwsza grupa składała się z pacjentów o mieszanej etiologii neurologicznej, spełniających kryteria podręcznika diagnostyczno-Statystycznego dla zaburzeń psychicznych-5 (DSM-5) (APA, 2013) dla łagodnych zaburzeń neurokognitywnych (Grupa A; n = 21)., Pacjenci ci zostali zdiagnozowani zgodnie z kryteriami DSM-5 dla łagodnego zaburzenia Neurokognitywnego przez eksperta neurologa (RV) poprzez wywiady anamnestyczne, badania neurologiczne i testy neuropsychologiczne. Ocena neuropsychologiczna obejmowała: Mini badanie stanu psychicznego (MMSE, Folstein et al., 1975; Coin et al., 2009) i Frontal Assessment Battery (FAB, Dubois et al., 2000; Appollonio et al., 2005). Grupa A rekrutowana była z oddziału neurologicznego w północno-wschodniej części Włoch.,

druga grupa (n = 21, Grupa B) osób dopasowanych do zdrowego wieku była zobowiązana do ukończenia testu bez konkretnych instrukcji, podczas gdy trzecia grupa (n = 21, Grupa C) osób kontrolujących dopasowanych do zdrowego wieku została poinstruowana, aby odpowiedziała fałszywie na test tak, jakby były upośledzone poznawczo.

,

łagodne zaburzenia neurokognitywne

uczestnicy z łagodnymi zaburzeniami Neurokognitywnymi

zdrowi uczestnicy I Malingerowie zaburzeń poznawczych

zdrowi uczestnicy

rekrutowano czterdziestu dwóch zdrowych uczestników. Nie mieli w przeszłości chorób neurologicznych lub psychiatrycznych lub nadużywania substancji / alkoholu. Wyniki skorygowane przez MMSE były ≥ 26 i żaden uczestnik nie uzyskał równoważnego wyniku < 2 na FAB. Wszyscy uczestnicy zostali losowo przydzieleni do jednej z dwóch następujących grup., Jedna grupa (grupa B: zdrowe kontrole) otrzymała standardową instrukcję testu b (n = 21, 14 mężczyzn i 7 kobiet), podczas gdy druga grupa (grupa C: malingerers) otrzymała instrukcje udawania testu b (n = 21, 8 mężczyzn i 13 kobiet) w celu udawania zaburzenia poznawczego. W szczególności malingerowie (Grupa C) zostali poinstruowani, aby przeprowadzić MMSE i FAB jak najlepiej i tylko dla testu b otrzymali instrukcje podrabiania (poproszono ich o symulację poprzez przyjęcie strategii zgodnie z ich przekonaniami i powszechną wiedzą o łagodnym deficycie poznawczym).,

procedury doświadczalne

Test b został podany wszystkim uczestnikom po MMSE i FAB. Tuż przed zadaniem eksperymentalnym uczestnicy przydzieleni do grupy malingerers zostali poinstruowani, aby skłamali na temat ich statusu poznawczego. Aby zwiększyć zgodność, uczestnicy otrzymali następujący scenariusz: „powinieneś ukończyć test, ponieważ byłby on wykonywany przez pacjenta cierpiącego na łagodną demencję lub łagodne zaburzenia poznawcze. W szczególności udawaj, że jestem członkiem Komisji, która zaświadcza o niepełnosprawności; powinieneś mnie przekonać, że kwalifikujesz się do świadczeń z tytułu niepełnosprawności.,”Po zakończeniu testu, Grupa malingerers została również zakwestionowana w następujący sposób: „opisz zastosowaną strategię i wyjaśnij powód, dla którego ją wybrałeś.”

Analiza danych

dane analizowano przy użyciu nieparametrycznej analizy statystycznej. Ponadto, w celu oceny dokładności klasyfikacji testu b i uniknięcia nadmiernego dopasowania, szeroko wykorzystaliśmy procedurę walidacji krzyżowej (LOOCV) leave-one-out (Cawley and Talbot, 2010)., Overfitting jest przesadnym optymistycznym dopasowaniem do danych pochodzących z testowania modelu na tym samym zbiorze danych wykorzystywanym do opracowania samego modelu. W celu osiągnięcia realistycznego oszacowania błędu klasyfikacyjnego (malingerers vs. patients) należy unikać nadmiernego dopasowania. Overfitting jest nienormalne dopasowanie modelu, który jest zwykle licznik za pomocą out-of-próbki oszacowania dokładności (hold-out method), które są używane jako pełnomocnik dokładności w terenie. Takie szacunki dokładności poza próbką wymagają dużych próbek, które są trudne do zebrania z populacjami klinicznymi., Wykazano, że n-krotna Walidacja krzyżowa jest dobrą procedurą szacowania prawdziwych dokładności w małych próbkach. Szczególnym przypadkiem walidacji krzyżowej N-krotnie jest LOOCV (Cawley and Talbot, 2010), metoda wyboru w badaniach klinicznych (Orrù et al., 2012). W LOOCV model statystyczny jest rozwijany przy użyciu tylko przykładów n-1 i testowany na pozostałym przykładzie. Procedurę powtarza się systematycznie obracając pominięty przykład, A błąd klasyfikacji poza próbką wynika ze średniego błędu modeli n-1., Z tego powodu wykorzystaliśmy LOOCV w celu uzyskania danych dotyczących dyskryminacji krzyżowej między malingerers i pacjentami.

Ostatnio wykazano, że testy psychometryczne mogą być rozszerzone za pomocą, oprócz bardziej tradycyjnych metod statystycznych, technik uczenia maszynowego (ML) (James et al., 2013). ML zostało już wykorzystane do opracowania wysokowydajnych modeli klasyfikacji mających na celu wykrywanie malingerers (Monaro et al., 2018a, b).

analiza danych została przeprowadzona przy użyciu SPSS i Weka 3.8 (Hall et al., 2009).,

wyniki

nieparametryczna Analiza statystyczna

średnie i odchylenia standardowe dla wieku, wykształcenia i wyników testów przedstawiono w tabeli 1. Ponieważ nie wszystkie wyniki badań były normalnie rozłożone na grupy, obliczono nieparametryczne porównania grup (Kruskal-Wallis ANOVAs). Grupy nie różniły się znacząco pod względem wieku i lat kształcenia, ale różniły się w wynikach MMSE i FAB, przy czym grupa A punktowała znacznie gorzej niż grupa B (zdrowa kontrola) i C (malingerers) na MMSE i FAB.,

jak pokazano, grupy znacznie różniły się we wszystkich wynikach testu B. Tabela 2 przedstawia wyniki analiz testu U Manna i Whitneya stosowanych w porównaniach parami danych z testu b (poziomy istotności skorygowane o Bonferroni ustalono na 0,02)., Malingerowie (Grupa C) popełnili więcej błędów Komisji (w tym błędów d) i błędów pominięcia i uzyskali znacznie wyższy wynik e niż pacjenci kontrolni i pacjenci (odpowiednio grupy B I A). Zdrowa Kontrola również znacznie przewyższała pacjentów w tych wynikach. Istotne były również porównania grupowe dotyczące czasu odpowiedzi, przy czym kontrole kończyły badanie znacznie szybciej niż malingerowie i pacjenci, którzy nie różnili się znacząco od siebie.

wzorce błędów wykazały, że pacjenci i kontrolni popełniali więcej błędów pominięcia niż błędy Komisji (w tym błędy d), podczas gdy oszuści popełniali więcej błędów Komisji w ogóle, a następnie błędy pominięcia i błędy d.

dokładność klasyfikacji między pacjentami a Malingererami

przy stosowaniu testu b w środowisku medyczno-prawnym najciekawsze jest porównanie między malingererami a pacjentami., Biorąc pod uwagę, że w środowisku medyczno-prawnym osoba jest podatna na oszustwa, celem jest określenie, czy badany jest prawdziwym przypadkiem patologicznym, czy też oszustem. Z tego powodu maksymalne zainteresowanie polega na skutecznym odróżnianiu (w naszym eksperymencie)pacjentów od malingererów wyłącznie na podstawie wyników testu B. Wyniki progowe, które prawidłowo sklasyfikowały 90% pacjentów dla każdego pomiaru (błędy pominięcia, błędy d, błędy prowizji, Czas odpowiedzi i E-score wraz z AUC), doprowadziły do wysokiej dokładności klasyfikacji (patrz Tabela 3)., Na przykład, jeśli chodzi o błędy pominięcia, cut-off >56 sklasyfikował 90% pacjentów (Grupa A) i 90,4% malingerers (Grupa C) prawidłowo.

Ten wynik może jednak cierpieć z powodu nadmiernego dopasowania., Jak wspomniano powyżej, w celu oceny skuteczności testu b i uniknięcia nadmiernego dopasowania, przetestowaliśmy różne modele uczenia maszynowego za pomocą procedury LOOCV.

predyktorami wykorzystywanymi do opracowania modelu uczenia maszynowego były: wiek, wykształcenie, płeć, błędy d, błędy Komisji, błędy pominięcia, całkowity wynik RT (sec), wynik E. Zastosowano technikę walidacji krzyżowej leave-one-out (LOOCV) (np. Vapnik and Chapelle, 2000). Taka technika pozostawia jeden przypadek z próbki treningowej użytej do opracowania modelu., Po opracowaniu modelu, jego dokładność jest testowana (poza próbką) w tym obiekcie hold-out. Proces powtarza się dla wszystkich przypadków w próbce (przy porównaniu pacjentów i malingerów, 42-1). Błąd jest następnie uśredniony w obliczeniach 42-1, a ten średni błąd jest estymacją błędu poza próbką. LOOCV jest metodą z wyboru, gdy dostępna jest niewielka liczba przypadków, na przykład w badaniach neuroobrazowania (Orrù et al., 2012).,

dziewięć wymienionych wyżej cech wpisano do różnych klasyfikatorów uczenia maszynowego, które zostały przeszkolone w zakresie klasyfikowania każdego przedmiotu jako należącego do jednej z dwóch kategorii zainteresowań (pacjentów i malingererów). W szczególności wybraliśmy następujące klasyfikatory jako reprezentatywne dla różnych kategorii klasyfikatorów: Naïve Bayes, regresja logistyczna, prosta regresja logistyczna Maszyna wektorowa wsparcia i Random Forest (Podręcznik WEKA dla wersji 3-7-8, Bouckaert et al., 2013). Wyniki poszczególnych klasyfikatorów przedstawiono w tabeli 4.,

wszystkie klasyfikatory oparte na różnych założeniach i reprezentujące różne klasy klasyfikatorów dały podobne dokładne wyniki z podobnymi liczbami zarówno fałszywie dodatnich, jak i fałszywie ujemnych błędów.

wyniki przedstawione w tabeli 5 odnoszą się do porównania pacjentów z symulatorami.,

wreszcie, Random Forest multiclass classifier, który klasyfikuje pacjentów, ale w trzech klasach (pacjenci, zdrowi pacjenci kontrolni i malingerowie), a nie w dwóch kategoriach, jak podano w tabelach 4, 5, dało następujące wyniki: (1) ogólna dokładność = 79,4; (2) AUC = 0,87; (3) F1 = 0,8., Pacjenci prawidłowo sklasyfikowani jako wyżej wymienieni byli 17/21, zdrowi kontrolni-15/21, a malingerowie-18/21.

wszystkie przedstawione powyżej modele ML są nieprzejrzyste, a logika, która daje ostateczną klasyfikację, nie jest prosta., Aby lepiej zrozumieć logikę klasyfikacji, uruchomiliśmy model drzewa ML, który wybiera optymalną regułę decyzji, która maksymalizuje dokładność klasyfikacji, J48 (Quinlan, 1993), który dał następującą optymalną regułę decyzji:

Jeśli błędy pominięcia wynoszą < = 78, to podmiot jest klasyfikowany jako pacjent.z dokładnością równą 95.,2%;

i

Jeśli błędy pominięcia są> 78, to obiekt jest klasyfikowany jako symulator z dokładnością równą 86%.

wspomniana zasada decyzji nie jest najlepszym klasyfikatorem, ale daje łatwy sposób na zrozumienie zasady, co skutkuje wysoką dokładnością w klasyfikacji pacjentów i malingererów., Jak pierwotnie wskazał Boone (2000), błędy przeoczenia są tymi, które bardziej przyczyniają się do prawidłowego odróżniania symulatorów od pacjentów, a także badania te wskazują, że optymalna klasyfikacja może opierać się na zasadzie, która opiera się na liczbie przeoczeń.

ponadto zastosowano analizę korelacyjną, aby podkreślić, który z predykatorów maksymalnie przyczynia się do prawidłowej klasyfikacji pacjentów vs.symulatory. Wyniki były następujące: pominięcie = 0,81; prowizja = 0,66; e-wynik = 0,66; błędy d = 0,56., Random Forest pozwala również uporządkować znaczenie predyktorów w przyczynianiu się do dokładnej klasyfikacji, a znaczenie predyktorów było podobne do tego wynikającego z analizy korelacyjnej zgłoszonej powyżej z maksymalnym wkładem w klasyfikację wynikającym z pominięcia i błędów Komisji oraz E-score.,

dyskusja

chociaż wysiłki kliniczne i badawcze doprowadziły do coraz bardziej wyrafinowanych metod i przyniosły obiecujące wyniki w wykrywaniu malingeringu, nadal istnieją znaczące teoretyczne i praktyczne wyzwania w wykrywaniu malingeringu, szczególnie w populacji osób starszych z łagodnymi zaburzeniami Neurokognitycznymi. Sfałszowane ciężkie zaburzenia poznawcze można wykryć klinicznie, porównując niskie wyniki testów poznawczych i nienaruszone funkcjonowanie wynikające z codziennego życia., W rzeczywistości nienaganna codzienna aktywność życiowa w połączeniu z poważnymi zaburzeniami w testach poznawczych wskazują na malingering. Jednak łagodnym zaburzeniom Neurokognitywnym zwykle nie towarzyszą codzienne upośledzenia, a malingerowie mogą być trudni do wykrycia za pomocą prostych strategii polegających na porównaniu wyników testów poznawczych (bardzo niskich) i codziennych czynności (zachowanych).

dostępnych jest wiele strategii służących identyfikacji niedoskonałości poznawczych., Na przykład test ważności objawów medycznych (MSVT) jest szeroko stosowanym testem pamięci z trzema wbudowanymi środkami wysiłku, które mają na celu wykrycie udawania (Green, 2004; Dandachi-FitzGerald and Merckelbach, 2013). MSVT osiągnął imponująco wysokie wskaźniki czułości i swoistości w badaniach eksperymentalnych, które porównały kontrole z symulatorami poinstruowanymi w celu udawania problemów z pamięcią (Merten et al., 2005).

Test b należy do tej samej klasy testów, tzw. testów poprawności działania (np.,, Rey 15 items, Reznek, 2005), które są testami, które są bardzo łatwe również dla osób bardzo upośledzonych poznawczo.

w celu oceny, czy test b może pomóc w identyfikacji tego typu malingerów, podaliśmy Test b grupie pacjentów z łagodnym zaburzeniem Neurokognitywnym. Tę grupę porównano do zdrowych kontrolerów poinstruowanych, aby fałszywie reagować na test (sztucznie wytwarzających podobne wzorce zaburzeń poznawczych) oraz do grupy zdrowych kontrolerów poinstruowanych, aby reagować zgodnie z prawdą na test.,

W szczególności pacjenci i kontrolujący popełniali więcej błędów zaniechania niż błędy Komisji, w tym błędy d, podczas gdy oszuści popełniali nieproporcjonalnie więcej błędów komisji, a następnie błędy zaniechania i błędy D. Wyniki te ściśle odzwierciedlają strategie udawania, zgłaszane werbalnie przez malingerers., W rzeczywistości połowa z nich wskazała, że popełniła przypadkowe pominięcia i błędy Komisji, podczas gdy około jedna czwarta z nich wskazała, że próbowała okrążyć wszystkie cele, które nie były celami B. połowa malingererów zgłosiła również, że celowo spowolniła czas reakcji. Dlatego malingerowie można odróżnić od prawdomównych na podstawie ich wzorców błędów, które radykalnie różnią się od tych wykazywanych przez pacjentów. Natomiast pacjenci i zdrowi kontrolni mają podobny wzór odpowiedzi i błędów., Podczas gdy kontrole wykonywały się znacznie lepiej niż pacjenci na wszystkich błędach, obie grupy wykazywały więcej błędów pominięcia niż prowizja, podczas gdy, jak opisano powyżej, malingerowie wykazywali przeciwny schemat.

dane zgłoszone w naszym badaniu są zgodne z oryginalnymi eksperymentami walidacyjnymi z Boone et al. (2002), który udokumentował, że było bardzo nietypowe dla prawdziwych pacjentów z depresją, udarem mózgu, urazowym uszkodzeniem mózgu, schizofrenią,niepełnosprawnością w uczeniu się i zaawansowanym wiekiem, aby błędnie zidentyfikować Nie-b jako B., Dane z obecnego badania rozszerzają tę obserwację na starszych pacjentów z łagodnym otępieniem.

pacjenci w naszym eksperymencie wykonywali Test b znacznie wolniej niż (2002) pacjenci (w tym głównie pacjenci psychiatryczni). Wyniki te są zgodne z obserwacjami, że spowolnienie funkcji poznawczych jest widoczne we wczesnym demencji (McGuinness et al., 2010) i sugerują, że czasy reakcji mają bardzo ograniczoną wartość w różnicowaniu rzeczywistej i pozorowanej łagodnej demencji. Wręcz przeciwnie, błędy w nadmiernie wyuczonych zadaniach informacyjnych wydają się znacznie bardziej efektywne., Charakter zaburzeń neurologicznych związanych z łagodnymi zaburzeniami poznawczymi może wyjaśniać powody, dla których indeksy oparte na czasie nie są szczególnie przydatne w wykrywaniu złośliwości.

w naszym badaniu malingerowie celowo spowalniają swoją wydajność. Jednak zmniejszona szybkość reakcji jest również cechą większości schorzeń neurologicznych i może to być powodem, dla którego indeksy oparte na czasie mogą nie być w stanie skutecznie odróżnić malingerers od pacjentów.,

oprócz standardowej analizy statystycznej, której wyniki zostały podsumowane powyżej, zastosowaliśmy bardziej zaawansowaną analizę opartą na technikach ML. Mamy również zgłaszane dokładności klasyfikacji w oparciu o K-fold cross Validation (w szczególności leave-one-out cross validation, LOOCV; zwykle uważane za najlepszą technikę radzenia sobie z takimi problemami w małych próbkach) w celu uzyskania bezstronnych szacunków dokładności poza próbką., Analiza ta wykazała, że malingerers można odróżnić od pacjentów wyłącznie na podstawie wyników testu b z ogólną dokładnością 90% lub większą (maksymalna dokładność z klasyfikatorem Simple Logistic). Różne typy modeli uczenia maszynowego wykazały podobne wyniki. Podczas gdy niektóre klasyfikatory mają bardzo złożone zasady decyzyjne (np. losowy Las), inne mogą być bardziej intuicyjne dla klinicysty., Na przykład, optymalne drzewo decyzyjne dawało następującą zasadę decyzji:

Jeśli błędy pominięcia wynoszą < = 78, to pacjent jest klasyfikowany jako pacjent z dokładnością równą 95,2%;

i p>

Jeśli> 78 jest symulatorem z dokładnością równą 86%.

pomimo niższego poziomu wykształcenia (M = 6,7, SD = 2,2), średni czas odpowiedzi kontrolek zdrowych (M = 634,76, SD= 236,23) i błędów w prowizji (M = 1,28, SD=2.,75) były podobne do tych zgłoszonych przez Boone et al. (2002). Starsze kontrole (poziom wykształcenia = 15,2 lat; średni czas odpowiedzi = 10,8 min; średnie błędy w prowizji = 1,0). Kontrole w obecnym badaniu popełniły więcej błędów przeoczenia niż w próbie Boone ' a i współpracowników(średnie błędy przeoczenia: 18,0 vs 8,0). Wyniki te sugerują, że edukacja wydaje się mieć niewielki wpływ na wyniki testu b, co sugeruje, że poziom edukacji egzaminowanego nie ma wpływu na Test B.,

ograniczeniem obecnego badania jest stosowanie symulatorów symulacyjnych (zwanych też eksperymentalnymi symulatorami symulacyjnymi). Poinstruowani malingerowie zazwyczaj wytwarzają podwyższone wskaźniki czułości, ponieważ mają tendencję do udawania bardziej nadmiernie niż ich” prawdziwi ” odpowiednicy (Boone et al., 2005). Dodatkowo, w obecnym badaniu, malingerers zostali poinstruowani do udawania choroby, która kwalifikuje się do rekompensaty niepełnosprawności, więc uczestnicy mogli próbować dalej przesadnie wyolbrzymić upośledzenie poznawcze., Wskaźniki wrażliwości w naszym badaniu wymagają zatem przyszłej replikacji w Ustawieniach medyczno-prawnych za pomocą uczestników, którzy są spontanicznie zmotywowani do udawania, a nie poinstruowani do udawania zaburzeń poznawczych.

dostępność danych

zbiór danych używany i analizowany podczas bieżącego badania jest dostępny od autora korespondenta na uzasadnione żądanie.

Deklaracja Etyczna

komisja etyki badań klinicznych prowincji Belluno i Treviso (Włochy) zatwierdziła procedurę eksperymentalną., Wszyscy uczestnicy wyrazili pisemną świadomą zgodę zgodnie z deklaracją Helsińską.

wkład autora

GS i FG GP, RV i GS zaprojektowały eksperymentalne zadanie. GP przyczyniło się do pozyskania danych zdrowych osób. RV i GP przyczyniły się do pozyskiwania danych o zdrowych pacjentach. GO i AG przyczyniły się do analizy danych. GO i KB przyczyniły się do interpretacji danych. GP, GS, KB I GO opracowały manuskrypt. Wszyscy autorzy zrewidowali manuskrypt krytycznie i wydali ostateczną zgodę na publikację.,

Oświadczenie o konflikcie interesów

autorzy oświadczają, że badanie zostało przeprowadzone w przypadku braku jakichkolwiek relacji handlowych lub finansowych, które mogłyby być interpretowane jako potencjalny konflikt interesów.