Good Mood

introduktion

nyligen har ett ökande antal studier publicerats för att ta itu med fenomenet malingering och detektering av malingered cognitive symptoms. Ett antal undersökningar (t.ex. Sartori et al., 2016b; Walczyk et al., 2018) indikerar att malingering vanligtvis förekommer i tre breda domäner: psykopatologi, kognitiv försämring och medicinsk sjukdom., I samband med kognitiva dysfunktioner har neuropsykologer och kliniska psykologer i allt högre grad förlitat sig på resultaten av neuropsykologiska utvärderingar för att informera sina åsikter om arten, omfattningen och trovärdigheten hos påstådda kognitiva funktionsnedsättningar. Kliniska och forskningsinsatser har lett till alltmer sofistikerade och effektiva metoder och instrument för att upptäcka malingering som vanligtvis observeras i de flesta medicinska rättsliga miljöer., Det finns bevis som tyder på att externt incitament till malinger vanligtvis innebär ekonomisk ersättning för skador som resulterar i fysiska försämringar och/eller kognitiva underskott. Ju mer omfattande kognitiv dysfunktion visas, desto mer monetär ersättning förväntas och individer har betydande motiv för att simulera eller överdriva symtom.

kritiskt, de flesta av de kognitiva symptomen är lätt förfalskade även av naiva icke-coachade examinatorer för att uppnå ekonomisk ersättning., Av den nämnda anledningen är det viktigt att förlita sig på psykometriska verktyg för att på ett objektivt sätt skilja om neuropsykologiska testresultat exakt återspeglar kognitiva dysfunktioner eller om individer försökte simulera eller överdriva sina svårigheter (Sartori et al., 2016b, 2017). Medan nyare tekniker är beroende av komplexa datorbaserade verktyg (t.ex. Sartori et al., 2016a), papper-och-penna tester (såsom B-testet undersökts här) har fortfarande stora praktiska fördelar.,

Faked svår kognitiv försämring kan kliniskt detekteras genom att jämföra kognitiva testresultat med patientens dagliga förmågor. Orenade dagliga levande aktiviteter parat med svår försämring vid kognitiva tester knacka på samma funktioner är en indikation på malingering. Milda kognitiva funktionsnedsättningar brukar dock inte åtföljas av dagliga funktionsnedsättningar och malingerers kan vara svårt att upptäcka med hjälp av enkla strategier som består i att jämföra kognitiva testresultat (mycket låga) och dagliga aktiviteter (bevarade)., För att övervinna denna begränsning är det möjligt att förlita sig på resultat från den kliniska forskningen (Coin et al., 2009; Orrù m.fl., 2009).

en strategi som används vid neuropsykologisk testning för att upptäcka malingering baseras på användningen av enkla test. Som rapporterats av American Academy of Clinical Neuropsychology konsensuskonferensen Uttalande om den neuropsykologiska bedömningen av ansträngning, response bias och malingering (Heilbronner et al.,, 2009), dessa tester är vanligtvis väl utförs med en minimal ansträngning av patienter som lider av neurologiska och psykiatriska sjukdomar, om det inte finns en avsiktlig avsikt att utföra dem dåligt. De flesta prestandaprov (Pvt) som används i kompensationssökande inställningar är utformade för att upptäcka feigned short-term memory disorders (Boone et al., 2000; Sharland och Gfeller, 2007; Young et al., 2016). Dessutom finns det också tester för att upptäcka simulerade underskott i olika kognitiva områden, såsom i overlearned information och bearbetningshastighet.,

ett sådant test är B-testet (Boone et al., 2002). Den består av en 15-sidig häfte: varje sida innehåller 72 stimuli inklusive små bokstäver b (målstimuli) och andra symboler som används som distraktorer, såsom små bokstäver d, q och p, och b är antingen med diagonala eller extra stammar. Sammantaget finns det 255 målstimuli i stimulans häfte: 20 på första sidan, 16 i den andra och 15 i den tredje. Dessa sidor upprepas fem gånger i ett allt mindre format., B-testet kräver att examinatorn cirklar alla b: er som visas på varje sida så snabbt som möjligt.under uppgiften kan olika typer av fel begås: utelämnandefel (genom att utelämna cirkelmålstimuli), d-fel (genom att cirkla d: s) och provisionsfel (genom att cirkla symboler som inte är b: S, inklusive d: s). Examinator noterar den totala svarstiden, nämligen den tid som deltagaren behöver för att slutföra testet., Totala fel och medeltid per sida används för att beräkna Ansträngningsindexpoäng (eller e-poäng), vilket resulterar från ekvationen: (totalt d-fel + totala provisionsfel) × 10 + totala utelämningsfel + medeltid per sida.

b-testet bedömer överlästa färdigheter och kan tillämpas i den medicinska rättsliga inställningen. Patienter med cerebral dysfunktion som gör en insats på testet är osannolikt att vara felaktigt klassificerade som icke-kooperativa. Patienter med minnesförlust kan inte misslyckas på testet och detta kan ge mindre falska positiva än minnesbaserat ansträngningstest., Slutligen är en äventyrad B-testprestanda på grund av förekomsten av överspelade symtom och i avsaknad av dokumenterade inlärningssvårigheter mycket misstänksam mot malingering (Boone et al., 2002).

b-testet kan skilja misstänkta malingerers från många olika kliniska grupper, inklusive: stor depressiv sjukdom, schizofreni, måttlig eller svår huvudskada, stroke, inlärningssvårigheter och friska äldre (se Boone et al., 2002).

det Vilar-Lòpez et al., (2007) analyserade resultaten på B-testet av ett spanskt befolkningsprov med post-konkussivt syndrom (PCS) involverat i tvister och inte involverat i tvister som visar god känslighet och specificitet. Dessutom, i en ytterligare studie (Vilar-Lòpez et al., 2008), samma författare analyserade prestationerna hos patienter med mild traumatisk hjärnskada., Deltagarna delades in i tre grupper: den första gruppen var inte inblandad i några kompensationssökande processer; den andra gruppen var en kompensationssökande grupp som inte misstänktes för malingering; den tredje gruppen inkluderade patienter som sökte ersättning som misstänktes för malingering. Resultaten av studien visade att det finns statistiskt signifikanta skillnader mellan grupperna och malingerer jämfört med icke-malingerer-klassificeringen. På samma sätt, Marshall et al. (2010) har undersökt giltigheten av B-testet för att upptäcka feigned ADHD i ett stort prov (n = 257).,

trots de lovande resultaten, Shandera et al. (2010) genomförde en studie om b-testets giltighet i ett vuxenpopulationsprov som lider av mild mental retardation. Resultaten visade otillfredsställande resultat när malingerers måste särskiljas från detta kliniska prov.

med tanke på detta resultat är diagnosticiteten hos B-testet fortfarande oklart, för att skilja mellan milda neurokognitiva störningar och malingerers. Bara Dean et al. (2009) utvärderade specificiteten av B-test n mild demens med otillfredsställande resultat.,

för att undersöka B-testets potential för att klassificera äkta kognitiv försämring från feigned kognitiva underskott hos den äldre befolkningen har den nuvarande studien undersökt B-testvärdet i ett italienskt prov med milda neurokognitiva störningar och hos friska åldersmatchade äldre individer, instruerade att feign kognitiva dysfunktioner. Dessutom var vårt mål att utvärdera om maskininlärningsklassificerare kan resultera i en ökad klassificeringsnoggrannhet jämfört med det mer traditionella tillvägagångssättet baserat på cut-off-poäng.,

material och metoder

deltagare

sextiotre italiensktalande deltagare rekryterades (36 män och 27 kvinnor, medelålder: 73,43 ± 5,97 år, intervall: 58-87; medelutbildning: 7,03 ± 2,78 år, intervall: 3-19). Urvalet bestod av tre grupper. Den första gruppen bestod av patienter med blandad neurologisk etiologi, som uppfyller kriterierna för den diagnostiska och Statistiska Handboken för psykiska störningar-5 (DSM-5) (APA, 2013) för Mild neurokognitiv störning (Grupp A; n = 21)., Dessa patienter diagnostiserades enligt DSM-5 kriterier för Mild neurokognitiv störning av en expertneurolog (RV) genom anamnestiska intervjuer, neurologiska undersökningar och neuropsykologisk testning. Den neuropsykologiska bedömningen ingår: Mini Mental State Examination (MMSE, Folstein et al., 1975; Mynt et al., 2009) och Frontal Assessment Battery (FAB, Dubois et al., 2000; Appollonio et al., 2005). Grupp A rekryterades från en neurologienhet i nordöstra Italien.,

en andra grupp (n = 21, grupp B) av friska åldersmatchade individer krävdes för att slutföra testet utan specifika instruktioner medan en tredje grupp (n = 21, Grupp C) av friska åldersmatchade kontroller instruerades att svara bedrägligt på testet som om de var kognitivt försämrade.

friska kontroller och malingerers (grupp B och Grupp C) rekryterades från två fritidsanläggningar för äldre.,

milda neurokognitiva störningar

deltagare med Mild neurokognitiv störning

friska deltagare och Malingererare av kognitiv försämring

friska deltagare

fyrtiotvå friska deltagare rekryterades. De hade ingen historia av neurologiska eller psykiatriska sjukdomar eller drog/alkoholmissbruk. MMSE korrigerade poäng var ≥ 26 och ingen deltagare fick en motsvarande poäng < 2 på FAB. Alla deltagare tilldelades slumpmässigt till en av följande två grupper., En grupp (grupp B: friska kontroller) fick standardinstruktionen för B-testet (n = 21, 14 män och 7 kvinnor) medan den andra (Grupp C: malingerers) fick instruktioner för att fejka B-testet (n = 21, 8 män och 13 kvinnor) för att förfalska en kognitiv störning. Specifikt var malingererarna (Grupp C) instruerade att utföra MMSE och FAB så bra som möjligt och endast för B-testet mottog under feigning instruktionerna (de ombads att simulera genom att anta strategier i enlighet med sin tro och den gemensamma kunskapen om mild kognitiv underskott).,

experimentella procedurer

b-testet administrerades efter MMSE och FAB till alla deltagare. Strax före den experimentella uppgiften instruerades deltagare som tilldelades malingerers-gruppen att ljuga om deras kognitiva status. För att öka överensstämmelsen fick deltagarna följande scenario: ”Du bör slutföra testet eftersom det skulle utföras av en patient som lider av mild demens eller mild kognitiv försämring. I synnerhet låtsas att jag är ledamot av kommissionen som intygar funktionshinder. du bör övertyga mig om att du är berättigad till invaliditetsersättning.,”Efter slutförandet av testet ifrågasattes malingerers-gruppen också enligt följande:” beskriv den strategi som används och förklara anledningen till att du har valt den.”

patienter och friska kontroller krävdes för att utföra alla tester med maximal ansträngning.

dataanalys

data analyserades med hjälp av icke-parametrisk statistisk analys. För att utvärdera klassificeringsnoggrannheten i B-testet och undvika överfittning använde vi i stor utsträckning leave-one-out cross validation (LOOCV) – förfarandet (Cawley och Talbot, 2010)., Overfitting är en överdriven optimistisk anpassning till data som härrör från att testa modellen på samma dataset som används för att utveckla själva modellen. För att uppnå en realistisk uppskattning av klassificeringsfel (malingerers jämfört med patienter) bör överfittning undvikas. Overfitting är en onormal modellmontering som vanligtvis motverkar användning av exakthetsuppskattning (hold-out-metod), som används som en proxy för in-field accuracies. Sådana exakthetsuppskattningar kräver stora prover, som är svåra att samla in med kliniska populationer., Det har visat sig att n-fold cross validation är ett bra förfarande för att uppskatta sann noggrannhet i små prover. Ett specialfall av n-fold cross validation är LOOCV (crowley, ja och Talbot, 2010), en metod för val i kliniska studier (Orrù et al., 2012). I LOOCV utvecklas den statistiska modellen med endast N-1-exempel och testas på det återstående exemplaret. Förfarandet upprepas systematiskt genom att det vänstra exemplet roteras och det fel som inte ingår i urvalsklassificeringen härleds från det genomsnittliga felet i n − 1-modellerna., Därför har vi använt LOOCV för att härleda korsvis validerade diskrimineringssiffror mellan malingerers och patienters.

nyligen har det visat sig att psykometrisk testning kan ökas genom att använda, utöver mer traditionella statistiska metoder, maskininlärning (ML) tekniker (James et al., 2013). ML har redan använts för att utveckla högpresterande klassificeringsmodeller som syftar till att upptäcka malingerers (Monaro et al., 2018a,b).

dataanalys har utförts med hjälp av SPSS och Weka 3.8 (Hall et al., 2009).,

resultat

icke-parametrisk statistisk analys

medel och standardavvikelser för ålder, utbildning och testresultat redovisas i Tabell 1. Eftersom inte alla testresultat normalt fördelades över grupper, beräknades icke-parametriska gruppjämförelser (Kruskal-Wallis ANOVAs). Grupperna skilde sig inte signifikant i ålder och år av utbildning, men de skilde sig i MMSE och FAB poäng, med gruppen en poäng betydligt sämre än gruppen B (friska kontroller) och C (malingerers) på MMSE och FAB.,

som visas skilde sig grupperna signifikant på alla B-testresultat. Tabell 2 visar resultaten av Mann-Whitney U – testanalyser som användes vid parvisa jämförelser av B-testdata (bonferroni-korrigerade signifikansnivåer fastställdes till 0,02)., Malingerers (Grupp C) gjorde fler kommissionsfel (inklusive D-fel) och utelämnandefel, och erhöll signifikant högre e-poäng än kontroller och patienter (grupp B respektive a). Friska kontroller överträffade också signifikant patienter på dessa poäng. Gruppjämförelser på svarstider var också signifikanta, med kontroller som slutförde testet signifikant snabbare än malingerers och patienter, som inte skilde sig signifikant från varandra.

felmönster visade att patienter och kontroller gjorde fler utelämningsfel än kommissionsfel (inklusive D-fel), medan malingerers gjorde fler kommissionsfel i allmänhet, följt av utelämningsfel och d-fel.

Klassificeringsnoggrannhet mellan patienter och Malingerers

vid tillämpning av B-testet i en medicinsk juridisk miljö är mest intressant jämförelsen mellan malingerers och patienter., Med tanke på att i en medicinsk juridisk miljö är individen malingering benägen, målet är att identifiera huruvida undersökaren är ett verkligt patologiskt fall eller en malingerer. Av denna anledning är det största intresset att effektivt skilja (i vårt experiment) patienter från malingerers på grundval av B-testresultaten. Tröskelvärden som klassificerar 90% av patienterna korrekt för varje åtgärd (utelämnandefel, d-fel, provisionsfel, svarstid och e-poäng tillsammans med AUC) resulterade i en hög klassificeringsnoggrannhet (se Tabell 3)., Till exempel, när det gäller utelämnandet fel, en cut-off >56 klassificeras 90% av patienterna (Grupp A) och 90,4% av malingerers (Grupp C) korrekt.

detta resultat kan dock drabbas av överfittning., Som rapporterats ovan, för att utvärdera effektiviteten av B-testet och undvika överfittning, testade vi olika maskininlärningsmodeller med hjälp av LOOCV-proceduren.

de prediktorer som användes för att utveckla maskininlärningsmodellen var följande: ålder, utbildning, kön, d-fel, provisionsfel, utelämnandefel, total RT (sek), e-poäng. Tekniken med leave-one-out cross validation (LOOCV) (t.ex. Vapnik och Chapelle, 2000) användes. En sådan teknik lämnar ett enda fall ur träningsprovet som används för att utveckla modellen., Efter att modellen har utvecklats testas dess noggrannhet (ur prov) i detta hold-out-ämne. Processen upprepas för alla fall i provet (vid jämförelse av patienter och malingers, 42-1). Felet är sedan i genomsnitt över 42-1 beräkningarna och detta genomsnittliga fel är en uppskattning av Out-of-sample fel. LOOCV är den metod som väljs när ett litet antal fall är tillgängliga, till exempel i neuroimagingstudier (Orrù et al., 2012).,

de nio funktioner som nämns ovan infördes i olika maskininlärningsklassificerare, som utbildades för att klassificera varje ämne som tillhör en av de två kategorierna av intresse (patienter och malingerers). I synnerhet valde vi följande klassificerare som representant för olika kategorier av klassificerare: naiva Bayes, logistisk Regression, enkel logistisk regressionsstöd Vektormaskin och slumpmässig skog (WEKA Manual för Version 3-7-8, Bouckaert et al., 2013). Resultat bland olika klassificerare redovisas i Tabell 4.,

alla klassificerare baserade på olika antaganden och representativa för olika klasser av klassificerare gav liknande exakta resultat med liknande siffror både för falska positiva och falska negativa fel.

de resultat som rapporterats i Tabell 5 avser jämförelsen mellan patienter och simulatorer.,

slutligen gav en Random Forest multiclass classifier som klassificerar ämnena men i tre klasser (patienter, friska kontroller och malingerers) och inte i två kategorier som rapporterats i tabellerna 4, 5 följande resultat: (1) Total noggrannhet = 79.4; (2) AUC = 0.87; (3) F1 = 0.8., Patienter korrekt klassificerade som ovan nämnda var 17/21, friska kontroller var 15/21, och malingerers var 18/21.

alla ML-modeller som rapporteras ovan är ogenomskinliga och den underliggande logik som ger den slutliga klassificeringen är inte okomplicerad., För att få en tydligare förståelse för klassificeringslogiken har vi kört en trädmodell ML som väljer den optimala beslutsregeln som maximerar klassificeringsnoggrannheten, J48 (Quinlan, 1993), som gav följande optimala beslutsregel:

om utelämningsfel är< = 78, klassificeras ämnet som en patient med en noggrannhet som motsvarar 95.,2%;

och

om utelämnandet fel är> 78, då ämnet klassificeras en simulator med noggrannhet lika med 86%.

den nämnda beslutsprincipen är inte den bästa klassificeraren men ger ett enkelt sätt att förstå regeln, vilket resulterar i hög noggrannhet vid klassificering av patienter och malingerers., Som ursprungligen angavs av Boone (2000) är utelämningsfel de som bidrar mer till att korrekt skilja simulatorer från patienter och även denna forskning indikerar att optimal klassificering kan baseras på en regel som bygger på antalet utelämnanden.

dessutom har en korrelationsanalys använts för att belysa vilka prediktorer som maximalt bidrar till korrekt klassificering av patienter jämfört med simulatorer. Resultaten var följande: utelämnande = 0,81; provision = 0,66; e-poäng = 0,66; d fel = 0,56., Random Forest tillåter också att sortera prediktorernas betydelse för att bidra till den korrekta klassificeringen och prediktorernas betydelse liknade den som följer av den korrelationsanalys som rapporterats ovan med det maximala bidraget till klassificering som kommer från utelämnanden och kommissionens fel och e-poäng.,

diskussion

även om kliniska och forskningsinsatser har lett till alltmer sofistikerade metoder och har gett lovande resultat för att upptäcka malingering, finns det fortfarande betydande teoretiska och praktiska utmaningar vid upptäckt av malingering, särskilt hos äldre befolkning med milda neurokognitiva störningar. Faked svår kognitiv försämring kan detekteras kliniskt genom att jämföra låga poäng vid kognitiva testresultat och oförsämrad funktion härledd från det dagliga livet., Faktum är att orenade dagliga levande aktiviteter parade med svår försämring vid kognitiva tester som knackar på samma funktioner indikerar malingering. Milda neurokognitiva störningar brukar dock inte åtföljas av dagliga funktionsnedsättningar och malingerers kan vara svåra att upptäcka med hjälp av enkla strategier som består i att jämföra kognitiva testresultat (mycket låga) och dagliga aktiviteter (bevarade).

ett antal strategier finns tillgängliga för att identifiera malingerers av kognitiva underskott., Till exempel är Medical Symptom Validity Test (MSVT) ett allmänt använt minnestest med tre inbyggda ansträngningsåtgärder som syftar till att upptäcka feigning (grön, 2004; Dandachi-FitzGerald och Merckelbach, 2013). MSVT har uppnått imponerande hög känslighet och specificitet i experimentella studier som har jämfört kontroller med malingerers instruerade att feign minnesproblem (Merten et al., 2005).

b-testet tillhör samma klass av tester, de så kallade prestandakvaliditetstesterna (t. ex.,, Rey 15 objekt, Reznek, 2005), som är tester som är mycket lätta också för de mycket kognitivt försämrade.

för att utvärdera om B-testet kan hjälpa till att identifiera denna typ av malingerers, administrerade vi b-testet till en grupp patienter med Mild neurokognitiv störning. Denna grupp jämfördes med friska kontroller som instruerades att svara bedrägligt på testet (artificiellt producera liknande mönster av kognitiv försämring) och en grupp hälsosamma kontroller som instruerades att svara sanningsenligt på testet.,

större resultat visar att malingerers gjorde mer dåligt än kontroller och patienter på B-testet, på alla parametrar som härrör från testet, förutom den totala svarstiden. Framför allt gjorde patienter och kontroller fler utelämnandefel än kommissionens fel, inklusive D-fel, medan malingerers gjorde oproportionerligt fler kommissionsfel, följt av utelämnandefel och d-fel. Dessa resultat speglar noggrant de strategier för att fejka som rapporterats verbalt av malingerers., Hälften av dem uppgav faktiskt att de gjorde slumpmässiga utelämnanden och kommissionens fel, medan ungefär en fjärdedel av dem uppgav att de försökte cirkulera alla mål som inte var b: s. hälften av malingererarna rapporterade också att de avsiktligt saktade sin svarstid. Därför kan malingerers särskiljas från sanningstellrarna baserat på deras felmönster, vilket skiljer sig radikalt från de som patienter visade. Däremot har patienter och friska kontroller liknande mönster av svar och fel., Medan kontrollerna utfördes betydligt bättre än patienter på alla felpoäng, visade båda grupperna fler fel av utelämnande än provision, medan malingerers, som rapporterats ovan, visade motsatt mönster.

de data som rapporteras i vår studie överensstämmer med de ursprungliga valideringsexperimenten Från Boone et al. (2002), som dokumenterade att det var mycket ovanligt för äkta patienter med depression, stroke, traumatisk hjärnskada, schizofreni, inlärningssvårigheter och avancerad ålder för att misidentifiera icke-b: s som b: s., Data från den aktuella studien förlänger denna observation till äldre patienter med mild demens.

patienter i vårt experiment utförde B-testet mycket långsammare än Boone et al. (2002) patienter (som främst inkluderade psykiatriska patienter). Dessa fynd överensstämmer med observationer som kognitiv avmattning är framträdande vid tidig demens (McGuinness et al., 2010) och föreslår att svarstider har mycket begränsat värde vid differentiering av faktisk kontra feigned mild demens. Tvärtom verkar fel på överlärda uppgifter vara mycket effektivare., Arten av neurologiska störningar i samband med mild kognitiv försämring kan förklara orsaken till att index baserat på tid inte är särskilt användbara vid detektering av malingerers.

i vår studie sänker malingererarna avsiktligt sin prestanda. Minskad svarshastighet är emellertid också ett inslag i de flesta neurologiska tillstånd och detta kan vara anledningen till att index baserat på timing kanske inte effektivt kan skilja mellan malingerers och patienter.,

förutom standard statistisk analys, vars resultat har sammanfattats ovan, har vi tillämpat en mer avancerad analys baserad på ML-tekniker. Vi har också rapporterat klassificeringsnoggrannhet baserat på K-fold Cross Validation (specifikt leave-one-out cross validation, LOOCV; vanligtvis betraktad som den bästa tekniken för att hantera sådana problem i små prover) för att få objektiva uppskattningar av exakthet utanför provet., Denna analys visade att malingerers kan särskiljas från patienter uteslutande på B-testprestandan med en total noggrannhet på 90% eller mer (maximal noggrannhet med den enkla Logistikklassificeraren). Olika typer av maskininlärningsmodeller visade liknande resultat. Medan vissa klassificerare har mycket komplexa beslutsregler (t.ex. Random Forest) andra kan vara mer intuitiva för läkaren., Till exempel gav ett optimalt beslutsträd följande beslutsregel:

om utelämningsfel är < = 78 klassificeras ämnet som en patient med en noggrannhet som motsvarar 95,2%;

och

om > 78 är en simulator med noggrannhet som motsvarar 86%.

trots den lägre utbildningsnivån (M = 6,7, SD = 2,2) betyder friska kontroller svarstid (M = 634,76, SD= 236,23) och kommissionsfel (m = 1,28, SD=2.,75) liknade de som rapporterats av Boone et al. (2002). Äldre kontroller (Utbildningsnivå = 15,2 år; genomsnittliga svarstider = 10,8 min; menar kommissionens fel = 1,0). Kontroller i den aktuella studien begått fler utelämningsfel än i Boone och kollegors prov (genomsnittliga utelämningsfel: 18.0 mot 8.0). Dessa resultat tyder på att utbildning verkar ha en mindre inverkan på B-testprestanda, vilket tyder på att B-testet är relativt opåverkat av examinee-utbildningsnivån.,

en begränsning av den nuvarande studien innebär användning av instruerade malingerers (även kallade experimentella malingerers). Instruerade malingerers producerar generellt förhöjda känslighetsnivåer eftersom de tenderar att feigna mer överdrivet än sina” verkliga ” motsvarigheter (Boone et al., 2005). Dessutom, i den nuvarande studien, malingerers instruerades att feign en sjukdom som kvalificerar sig för funktionshinder ersättning, så deltagarna kan ha försökt att ytterligare överdriva kognitiv försämring., Känslighetsfrekvenser i vår studie kräver därför framtida replikering i medicinska inställningar med deltagare som spontant motiveras att fejka snarare än instrueras att fejka kognitiva störningar.

datatillgänglighet

datauppsättningen som används och analyseras under den aktuella studien är tillgänglig från motsvarande författare på rimlig begäran.

Ethics Statement

etikkommittén för kliniska prövningar i provinserna Belluno och Treviso (Italien) godkände försöksförfarandet., Alla ämnen gav skriftligt informerat samtycke i enlighet med Helsingforsdeklarationen.

författare bidrag

gs och FG tänkt experimentet. GP, RV och GS utformade den experimentella uppgiften. GP bidrog till friska försökspersoner datainsamling. RV och GP bidrog till friska patienter datainsamling. GO och AG bidrog till dataanalys. GO och KB bidrog till datatolkning. GP, GS, KB, och GO utarbetade manuskriptet. Alla författare reviderade manuskriptet kritiskt och gav det slutliga godkännandet för att versionen skulle publiceras.,

intressekonflikt uttalande

författarna förklarar att forskningen genomfördes i avsaknad av kommersiella eller finansiella relationer som kan tolkas som en potentiell intressekonflikt.

Amerikanska Psykiatriska Föreningen (2013). DSM-5: Diagnostisk och statistisk handbok för psykiska störningar. (Washington, DC: American Psychiatric Association), 5.

Google Scholar

Boone, K., Lu, P. och Herzberg, D. S. (2002). B-testhandboken. Western Psychological Service.

Google Scholar

grön, P., (2004). Greens medicinska symptom validity test (MSVT) för Microsoft Windows: användarhandbok. Edmonton, Kanada: Green ’ s Publishing.

Google Scholar