language-icon Old Web
English
Sign In

Test Barcelona abreviado

2010 
Introduccion: El Test Barcelona abreviado (TB-A) constituye un instrumento de exploracion neuropsicologica general que ha mostrado ser sensible y valido en la deteccion de deterioro cognitivo. Desde la publicacion en 1997 de la version abreviada del Test Barcelona, no se han vuelto a desarrollar datos normativos para todos los subtest que componen esta prueba. Por lo tanto, se hace necesaria una nueva normalizacion del test. La Teoria de Respuesta a los Items (TRI) es en la actualidad una de las teorias predominantes en la investigacion psicometrica. Esta teoria presenta multiples ventajas, pero la mas importante en neuropsicologia, es la invarianza de la medida. Por otro lado, en el ambito de las demencias y del deterioro cognitivo leve (DCL), la exploracion neuropsicologica debe ir encaminada a la identificacion de perfiles cognitivos. El TB-A permite la creacion de un perfil clinico, muy util como representacion grafica de las funciones cognitivas preservadas y alteradas. Por ultimo, las redes neuronales artificiales (RNA) se han desarrollado como herramientas de soporte en la toma de decisiones clinicas en el contexto de clasificacion de patrones y prediccion de funciones. Objetivos: 1) Aportar los nuevos datos normativos del Test Barcelona abreviado, asi como crear un perfil unico para todos los sujetos. 2) Identificar el perfil cognitivo del deterioro cognitivo leve y la enfermedad de Alzheimer (EA). 3) Estudiar las propiedades psicometricas del TB-A mediante la Teoria de Respuesta a los Items utilizando los siguientes grupos diagnosticos: envejecimiento normal, deterioro cognitivo leve y enfermedad de Alzheimer. 4) Utilizar redes neuronales artificiales como metodo de clasificacion mediante el Test Barcelona abreviado, entre sujetos con envejecimiento normal, DCL y EA. Metodo: El presente estudio se engloba en el contexto del Proyecto Neuronorma. La muestra estaba formada por 346 controles, 79 sujetos con deterioro cognitivo leve y 97 sujetos con enfermedad de Alzheimer. Se estudio la fiabilidad del TB-A mediante el coeficiente de consistencia interna. Con el objetivo de aportar nuevos datos normativos del TB-A se utilizo la tecnica de solapamiento de intervalos y punto medio. Se estudio el efecto de las variables sociodemograficas de edad, escolaridad y sexo. Se transformaron las puntuaciones brutas a escalares ajustadas para la edad y escolaridad. Se realizan los perfiles cognitivos del DCL y EA. Desde la TRI, se aplico el modelo logistico de dos parametros para datos binarios. Para la calibracion de los parametros se utilizo el programa BILOG MG version 3. Se crearon tres redes neuronales artificiales, a partir de la combinacion de los tres grupos diagnosticos. Se utilizo una arquitectura de Perceptron Multicapa entrenado con el algoritmo de retropropagacion del error. Desde esta perspectiva se utilizo el programa Easy-NN-Plus V.10. Resultados y conclusiones: El TB-A mostro una excelente consistencia interna (α de Cronbach .921). Se presentaron los nuevos datos normativos del TB-A en puntuaciones escalares mediante tablas ajustadas por edad y escolaridad. Los resultados revelaron un perfil cognitivo diferente para el grupo DCL y EA, tanto en el numero de funciones cognitivas alteradas como en su magnitud. Desde la TRI, el TB-A presento una buena sensibilidad clinica y excelente validez discriminante en diferentes grupos de sujetos: envejecimiento normal, deterioro cognitivo leve y enfermedad de Alzheimer. En este sentido, permite separar entre diferentes niveles de habilidad o rasgo latente. El empleo de RNA mostro una exactitud de clasificacion de 66.67% en el caso mas complejo (tres grupos diagnosticos), 98.33% (controles vs. deterioro cognitivo leve) y 100% (controles vs. enfermedad de Alzheimer). Asimismo, esta aproximacion aporta cuales son las medidas del TB-A mas importantes y sensibles en cada situacion.
    • Correction
    • Source
    • Cite
    • Save
    • Machine Reading By IdeaReader
    0
    References
    1
    Citations
    NaN
    KQI
    []