Validité des algorithmes d’interprétation des batteries neuropsychologiques dans les bases de données de surveillance et globale : fondement de la recherche sur la cognition dans l’ÉLCV

Année :

2018

Demandeur :

O’Connell, Megan

Établissement :

Université de la Saskatchewan

Courriel :

Megan.oconnell@usask.ca

Numéro de projet :

180001S

État d’avancement du projet approuvé :

Complété

Résumé du projet

Des données normatives ont été créées pour produire des mesures neuropsychologiques qui tiennent compte de la langue d’administration, du sexe, de l’âge avancé et de l’éducation. Ces données normatives constituaient une nouvelle approche en utilisant des pondérations pour tenir compte des procédures d’échantillonnage de l’ÉLCV, mais la validité de cette approchen’est pas claire. Nous comparerons la validité de l’algorithme clinique fondé sur des données normatives avec et sans ajustement pour les poids d’échantillonnage. Une seconde approche en matière d’algorithme détaillera les relations d’ordre inférieur, intermédiaire et supérieur entre les tests neuropsychologiques corrigés de façon normative et la mesure de domaines cognitifs, comme la mémoire et la fonction exécutive, ainsi que la cognition globale, afin de créer des scores récapitulatifs cognitifs continus. Enfin, nous étudierons la validité des algorithmes de la batterie neuropsychologique administrée par téléphone afin de soutenir son utilisation pour les entrevues menées à distance.

Résultats du projet

Nous avons décrit les propriétés des tests cognitifs utilisés dans l'ÉLCV. Nous avons constaté que l’âge avancé était associé à une probabilité accrue de classification erronée, mais pas les problèmes de santé. Par conséquent, nous n’avions pas l’intention de nous adapter aux problèmes de santé lors de la création de normes de comparaison. Nous avons constaté que l'utilisation de poids d'échantillonnage n'avait pas d'impact sur les normes de comparaison normatives. Nous avons donc prévu de fournir des scores normatifs qui étaient à la fois non pondérés et pondérés pour permettre une flexibilité d'utilisation par les chercheurs·ses de l'ÉLCV. Enfin, nous avons exploré différents modèles pour créer des normes de comparaison normatives, liées à la mesure dans laquelle elles réduisaient les biais de mesure dus aux covariables et à l'impact des différentes méthodes sur la précision des estimations ponctuelles. Ces travaux ont mené à la création de normes de comparaison normatives qui utilisent une approche de régression hybride dans laquelle elles ont été stratifiées selon le sexe et le niveau de scolarité (quatre niveaux), en fonction des résultats aux tests cognitifs prédisant l’âge.