Аккумулятор mnb: MNB Battery – производитель аккумуляторных батарей

MNB Battery – производитель аккумуляторных батарей

Компания по производству аккумуляторных батарей MNB основана в 1996 году и стала одним из крупнейших производителей свинцово-кислотных аккумуляторов в мире, а также крупнейшим производителем аккумуляторных пластин в Китае.

 

В MNB работают более 2100 сотрудников, которые производят продукцию на сумму более 250 миллионов долларов США. Крупнейшая производственная площадка находится в Лонг-Цяо промышленной зоне города Аньси провинции Фуцзянь, площадью 200 000 квадратных метров в собственности компании с общей площадью застройки более 100 000 квадратных метров. В настоящее время мы расширяем наше производство с помощью заводов во Вьетнаме для производства дополнительных партий аккумуляторных пластин.
 

 

Компания MNB всегда была лидером в производстве пластин и технологии сборки свинцово-кислотных аккумуляторов.

MHB производит более 550 моделей различных аккумуляторов используемых в автомобилях, мотоциклах, солнечных батареях и источниках бесперебойного питания.
 

Технические и эксплуатационные характеристики всех аккумуляторов соответствуют и чаще превосходят все международные стандарты такие как JIS, BS и прочие.
 

Аккумуляторы и пластины произведенные MNB занимали 27% рынка в Китае в 2008 году и в настоящее время налажены каналы экспорта в Гонконг, Макао, Тайвань, страны Европы, Северной Америки, Южной Америки, Юго-Восточной Азии и Ближнего Востока. За последние годы компанией были успешно выполнены многие OEM проекты.
 

Компания MNB получила сертификаты ISO 9001 и ISO 14001 и строго контролирует качество всей выпускаемой продукции, чтобы количество дефектных изделий было максимально низким. Благодаря собственному производству пластин компании удается обеспечить надежную работу и высокое качество аккумуляторов.

Но в то же время, это значительно способствует сокращению стоимости производства аккумуляторов, что делает цены на продукцию MHB конкурентными на рынке.

АКБ MNB MM 100-12

Аккумуляторы MNB MM 100-12 относятся к необслуживаемым свинцово-кислотным батареям с повышенным сроком службы. При работе в режиме постоянной подзарядки они способны обеспечивать бесперебойное энергообеспечение в течение 12 лет. В случае использования батарей в циклическом режиме ресурса устройств хватает не менее, чем на 260 циклов со 100% разрядом.

Условия эксплуатации

Производитель рекомендует MNB MM 100-12 купить для последующей установки в источники бесперебойного питания, высокомощное оборудование различного назначения. Их также можно использовать в автономных солнечных электростанциях.

Герметичный корпус из прочного ABS-полимера устойчив к внешним механическим воздействиям, перепадам температурного режима, а также исключает возможность утечки газов или электролита.Это дает возможность устанавливать батареи MM 100-12 в слабо вентилируемых помещениях и проводить монтаж под углом или в горизонтальном положении. Устройства также показывают устойчивую работу в условиях повышенной влажности.

В связи с некоторыми особенностями конструкции аккумуляторы MNB MM 100-12 не считаются опасным грузом и могут доставляться к месту эксплуатации любыми видами транспорта.

Основные преимущества

Аккумуляторные батареи MNB MM 100-12 выпускаются в производственных цехах китайской корпорации MNB battery. Благодаря полному циклу производства компании удается контролировать качество на всех этапах изготовления аккумуляторов и выпускать на рынок относительно недорогую конкурентноспособную продукцию. К основным ее преимуществам можно отнести следующее:

• Батареи MM 100-12 способны выдерживать повышенные нагрузки и достаточно быстро восстанавливаются после глубокого разряда.

• Использование качественных материалов и последних технологий обеспечивает долговечность и повышенную надежность батарей.

• Аккумуляторы не нуждаются в регулярном техническом обслуживании, проверке уровня электролита и его доливке.

• Установленная на MNB MM 100-12 цена является относительно невысокой и выгодной для покупателей.

• Если хранение батарей проводится в помещениях при температуре не выше +25 градусов, уровень саморазряда не превышает 3% в месяц.

• Аккумуляторы MM 100-12 отличаются повышенной удельной энергоемкостью.

Мы предлагаем аккумуляторы MNB MM 100-12 купить по наиболее выгодной стоимости и с доставкой. Вся представленная у нас продукция сертифицирована и разрешена к продаже и эксплуатации на территории страны.

---

Аккумулятор

Напряжение, В 12

Емкость, Ач 100

Длина, мм 330

Ширина, мм 173

Высота с клеммой, мм 220

Вес, кг 30.8

Высота без клемм, мм 215

Технология AGM

Срок службы, лет 12

Клеммы M6

Страна-производитель Китай

Тип конструкции Необслуживаемые

Гарантийный срок, мес. 12

Тип Стационарный аккумулятор

Бренд MHB

Модель MM100-12

Фронт терминальные Нет

Аккумулятор MNB MM 33-12, напряжение 12V и ёмкость 33Ah

Запрос цен и информацию по наличию и срокам направляйте по почте sale@noveg. ru

Аналоги

VRLA аккумулятор MNB MM 33-12 (12V 33Ah)

Применение: Телекоммуникации. Аварийные системы. ИБП. Силовые системы. Аварийные системы. Системы безопасности. Коммуникации. Блоки питания. Автоматические системы

• Высокая производительность, не требует обслуживания, низкий саморазряд
• 100% контроль качества, стабильность и высокая надежность
• Уникальная формула сплава сетки и обновленные технологии
• Более 260 циклов перезарядки при 100% выработке
• Более 500 циклов перезарядки при 50% выработк
• Срок эксплуатации: 10-12 лет

Характеристики MNB MM 33-12

Производитель:	MNB®
Модель:	MM 33-12
Напряжение (В):	12
Ёмкость (Ач):	33

Габариты MNB MM 33-12

Тип клемм:	B3
Вес (кг):	10,8
Длина (мм):	196
Ширина (мм):	131
Высота (мм):	161 (180)

Эксплуатация MNB MM 33-12

Срок службы (лет):	10-12
Гарантия (мес. ):	12
Номинальная рабочая температура:	25° C
Материал корпуса:	ABS (акрило-бутадиен-стирол)
Обслуживание:	во время срока службы долива воды не требуется
Транспортировка:	при транспортировке по шоссе не является опасным грузом

Сертификаты и стандарты аккумулятора MNB MM 33-12

ISO14001, ISO9001, TB09075935, Mh5704

Аккумуляторы MNB (МНБ)

Аккумуляторные батареи MNB – это современная продукция, отличающаяся надежностью и большим диапазоном характеристик. Предлагаются изделия в самом широком спектре по назначению: от маленьких кассовых ИБП до крупных серверных батарей дата-центров. Продукцию МНБ можно использовать в особо холодном или жарком климате. Она отличается повышенной энергоотдачей и возможностью цикличного применения, не боится глубокого разряда. Заявленный срок работы – до 12 лет.

Компания MNB Battery (Китай) основана в 1996 году. Сегодня она лидирует в сфере производства АКБ в Китае и одна из крупнейших – в мире. В штате свыше 2100 работников, основные производственные мощности сосредоточены в промзоне Лонг-Цяо (г. Аньси, пров. Фуцзянь). Фирма успешно прошла международную аттестацию и получила сертификаты ISO 9001 и ISO 14001, что является подтверждением высокого качества ее продукции. Другие преимущества:

• Высокий уровень технологичности изделий.
• Контроль качества на каждом этапе производства.
• Соответствие характеристик АКБ международным стандартам BS, JIS.
• Низкая стоимость.

На заводах MNB реализован полный цикл производства аккумуляторов. В процессе изготовления применяются AGM и GEL технологии.

• AGM. Электролит, помещенный в корпус АКБ, представляет собой пористое стекловолокно. В нем нет кислот и прочих потенциально опасных компонентов. Огнеопасные и вредные испарения в виде водорода, кислорода и т. д. исключены.
• GEL. Свинцовые пластины АКБ разделяются силикагелем. Это пористое вещество, с электролитом в пустотах. Максимальное заполнение межпластиночного пространства исключает закорачивание или осыпание пластин. АКБ, сделанные по данной технологии, отличаются повышенной устойчивостью к глубокой разрядке. Число циклов «заряд-разряд» увеличено.

В настоящее время MNB предлагает 7 серий АКБ: MM, MS, MR, MPL, MP, ML 2V и MNG GEL. У каждой – свои особенности. Так, например, ММ – это АКБ общего назначения на 12В. Они применяются в самых различных ситуациях. Емкость MS на 15% больше аналогов, энергоотдача повышенная. Они дают ток напряжением 6В или 12В. Используются в охране, мед. учреждениях, на кабельном ТВ, в аварийном освещении и т.д.

Необслуживаемые фронт-термальные MR на 12В работают, в основном, в системах связи. Герметичные мощные ML 2V на 2В отличаются долговечностью, быстрым восстановлением и малым саморазрядом. MP – универсальные. MNG GEL – виброустойчивые, могут использоваться в любой отрасли, практически без ограничений.

Аккумуляторы MNB | КПД 110% КАЧЕСТВЕННО ПРОСТО ДОСТУПНО

Компания MNB VRLA battery (valve-regulated lead–acid battery) была основана в 1996 году, и с тех пор известна в мире как один из ведущих производителей свинцово-кислотных аккумуляторов VRLA battery и аккумуляторных пластин. Огромные производственные площади, современное оборудование и более двух тысяч сотрудников – всё это представляет собой сегодня компания MNB VRLA аккумуляторы. Аккумулятор, изготовленный этим производителем, вне зависимости от его модели и технических характеристик, отличается высокой производительностью и надёжностью.

Выбрать аккумулятор MNB здесь

Области применения аккумуляторной батареи:

• Охранные системы.
• Кабельное телевидение.
• Коммуникации и связь.
• Аварийные системы.
• Системы безопасности.
• Мед.оборудование.
• ИБП.
• Электроинструменты.
• Измерительные приборы.
• Игрушки

Особенности:

Устройство бесперебойного питания, автомобиль или яхта, система автономного или резервного электроснабжения должны использовать современные аккумуляторные батареи. Представляем вашему вниманию одни из самых современных аккумуляторов компании MNB Battery.

Эти аккумуляторы совместили в себе максимальную функциональность, эффективность, надежность и широкий модельный ряд. Благодаря этим качествам купить аккумуляторную батарею MNB особенно выгодно. Срок службы этой продукции до 15 лет делает использование продукции этого брендаособенно выгодным. А увеличенная емкость аккумуляторной батареи относительно их веса и объема заметно увеличивает их эффективность. MNBпредставляет аккумуляторные батареи, цена которых заметно выгоднее чему других производителей.

Выпускаемые MNB аккумуляторные батареи 12 в и 6 в емкостью до 250 Ач (12 в). Заряд аккумуляторной батареи с напряжением 2 вольта может, достигает 3000 Ач. Эти аккумуляторы отличаются повышенной долговечностью и надежностью эти аккумуляторы используют для создания ИБП и обеспечения резервного питания электроники и вычислительной техники.

Не зависимо от серии и емкости Ач каждая аккумуляторная батарея MNB наделена 100% гарантией качества от производителя. Срок гарантии на разные модели составляет от 12 и 24 месяца. При этом количество обращений по гарантии у данной продукции минимально. Каждый аккумулятор, сходящий с конвейеров предприятия, проходит жесткий контроль качества.

• 100% контроль качества, стабильность и высокая надежность.
• Патентованная формула сплава и обновленные технологии.
• Полностью герметична и не требует обслуживания.
• Отличные показатели зарядки и перезарядки.
• Более 260 циклов перезарядки при 100% выработке.
• Срок эксплуатации: 5-8 лет.

Батареи для ИБП (UPS).

Поскольку источники бесперебойного питания бывают разными по назначению, мощности, то и аккумуляторы для ибп mnb battery, различаются по своим технологическим свойствам.

Для UPS с малой мощностью до 3-5 кВА и автономной работой в течении 5-30 мин, используются свинцово-кислотные аккумуляторы, с 12 В напряжением и 7-12 Ач емкости, 5 летним срока эксплуатации.

В ИБП более мощных, используются свинцово-кислотные аккумуляторы, с большей емкостью и сроком службы их увеличен 10-12 лет.

Обычно это 12-вольтовые батареи с емкостью до 250 Ач.

В мощных UPS с длительным периодом автономной работы, применяются свинцово-кислотными с 2-вольтовыми элементами или аккумуляторы щелочные никель-кадмиевые. Которые актуальны и востребованы в сложных условиях эксплуатации в жарком или холодном климате.

Купить аккумуляторы для ups возможно в компании MNB Battery, по ценам приемлемым и при этом с высокими показателями качества в работе. Любое техническое обслуживание по замена батарей ИБП вам будет гарантировано.

Аккумуляторы MNB Battery для солнечных батарей » Альтернативная энергетика. Альтернативные источники энергии. Альтернативная энергия

На даче у меня нет электричества, но проживаю я там практически постоянно и естественно встал вопрос о том где брать электроэнергию для интернета, TV, освещения, и другой мелочи. Бензиновый генератор сразу отпал так-как нужно покупать топливо для него, которое совсем не дешевое. А также шум от работы, поэтому в тишине не посидеть в интернете и не посмотреть телевизор. Да и жалко топлива, так-как нужно несколько десятков ватт энергии для питания фай-фай и зарядки планшета, а генератор потребляет топлива всё равно как будто от него 0.5кВт берут – в общем совсем не экономично и не оправданно, хотя первоначальные вложения самые низкие.
Поэтому я стал думать о ветряках и солнечных батареях. В итоге электростанция потихоньку начала воплощаться в жизнь. Сначала появился один небольшой ветряк, потом и второй встал рядом. Далее были куплены две солнечные панели по 100 ватт. В итоге своего электричества стало хватать с избытком даже на освещение, телевизор, интернет со всеми устройствами, и даже на скважинный насос.
Но самым больным местом оказались аккумуляторы. Сначала я в аккумуляторах мало что понимал, и думал, что аккумуляторы из ближайшего магазина авто-запчастей самое то, ведь они очень дешевые. Но как оказалось эти аккумуляторы очень быстро теряют емкость. Ведь в солнечной электростанции периодически бывают глубокие разряды, и продолжительные недозаряды так как АКБ просто не успевает заряжаться до 100%, а от этого происходит сульфатация. В итоге первые два года я каждую весну менял аккумуляторы, так-как они уже не держали емкость и заряжались и разряжались очень быстро.
Сейчас я установил два специализированных аккумулятора, сделанных по технологии AGM, это аккумуляторы более приспособлены к глубоким разрядам и циклическому использованию, средний срок службы от трех до восьми лет, зависит конечно от конкретных условий эксплуатации, но получаются такие аккумуляторы выгоднее в расчете на несколько лет эксплуатации. Думаю, я сделал правильный выбор и теперь посмотрю, как проработают эти аккумуляторы.
Немного фото моей мини электростанции. На фото две солнечные батареи мощностью по 100 ватт, установлены на крыше дачного домика, собственно они и являются сейчас главным источником электроэнергии, а ветрогенераторы летом не нужны, их я ставлю только зимой, когда солнца очень мало.Аккумуляторы MNB BatteryMM 65Ah, приехали ко мне транспортной компанией, хочу отметить что из Москвы в Самарскую область, и при этом очень быстро. Дома я их распаковал чтобы посмотреть, что приехало и в каком состоянии, в итоге все было отлично.Заодно проверил напряжение на аккумуляторах, они были полностью заряжены, как и положено, и напряжение было одинаковое.Аккумуляторы я поставил в самодельный электрощит, это так-сказать головной центр моей электростанции, в этом ящике, весящем на стене установлены аккумуляторы, и вся другая электроника, контроллер и инвертор.Вся электропроводка смонтирована на дверке, инвертор установлен снаружи снизу, а на лицевой части дверцы я установил все необходимое. Контроллер солнечных батарей, автоматы защиты от короткого замыкания, тройную розетку, и выключатели освещение. Также розетки есть и в других местах комнаты. отдельно проведена проводка на 12 Вольт, и на 220 Вольт.В общем вот так, думаю эти аккумуляторы прослужат намного дольше, тем более что это подтверждает опыт других людей, которые используют подобные аккумуляторы. Но, как и на любое изделие на эти аккумуляторы есть техническая информация, с которой нужно ознакомится чтобы правильно эксплуатировать и не загубить раньше времени. Подробнее про технические характеристики можно почитать здесь – http://mnb-battery.ru/

По материалам сайта e-veterok.ru

Какие имеются разновидности аккумуляторов? | Главная

Разновидности аккумуляторов, необслуживаемые или сухие аккумуляторы?

В зависимости от разновидностей используемых металлов, аккумуляторы делятся на кислотные, никель-кадмиевые, никель-железные.

В настоящее время наиболее распространёнными являются кислотные аккумуляторы, которые в основном подразделяются на два типа: сухозаряженные и жидкозаряженные.

Наиболее распространенными жидкозаряженными аккумуляторами являются классические автомобильные стартерные аккумуляторы и аккумуляторы SLI (аббревиатура на английском означает запуск, освещение и старт). Автомобильные аккумуляторы также подразделяются на два типа: необслуживаемые и обслуживаемые. Внутренняя структура этих аккумуляторов идентична. То есть оба этих типа являются классическими кислотными аккумуляторами. Необслуживаемые аккумуляторы отличаются тем, что у них нет откручивающихся пробок. Так как эти аккумуляторы не требуют заливку электролита, они больше подходят для транспорта с хорошей системой электрического устройства.

Кроме этого, имеются стационарные (стационарное устройство) и тяговые (погрузчики) аккумуляторы, отличающиеся внутренней структурой и областью использования.

Внутренняя структура и технология производства сухих аккумуляторов, т.е. аккумуляторов VRLA, отличается. VRLA – это свинцово-кислотный аккумулятор с клапанным регулированием. Эти аккумуляторы также подразделяются на два типа.

Аккумуляторы AGM (с абсорбированным электролитом) и гелевые VRLA. Основным отличием этих аккумуляторов является то, что там отсутствует проблема перелива или утечки электролита. Выход газа минимальный. Поэтому, эти аккумуляторы являются очень надежными и могут длительное время храниться на складе. Кроме того, в сравнении с жидкозаряженными, эти аккумуляторы обладают более высокой устойчивостью к вибрации и удобны для транспортировки. Эти аккумуляторы используются для стационарных сооружений, UPS, катеров и коммутаторных.

Нейропсихологические услуги Meyers »Семинары и вебинары

Добро пожаловать на страницу WEBINAR по нейропсихологической системе Meyers. Эта страница содержит информацию о предстоящих ВЕБИНАРАХ.

Др . Джон Мейерс, психиатр, ABN предлагает однодневный WEBINAR по нейропсихологической батарее / системе Мейерса: расширенная интерпретация. Семинар состоится 14 мая 2021 года. Каждый зарегистрированный участник получит ссылку для присоединения к онлайн-семинару. Все участники вебинара должны войти на семинар и продемонстрировать свое участие в вебинаре, чтобы получить сертификат CE.В конце дня будет викторина. Каждый участник должен ответить на вопросы на 75% или выше, чтобы получить баллы CE. Чтобы зарегистрироваться на ВЕБИНАР, приобретите его в магазине.

Время : с 13:00 до 16:00 по восточноевропейскому стандартному времени.

Где : онлайн через ZOOM

Стоимость: 100,00 долларов США за WEBINAR-конференцию

Непрерывное образование : Предлагаются 3-часовые курсы для трех (3) кредитов непрерывного образования (CE) для WEBINAR.За частичное посещение занятий CE не предоставляется. Сертификаты CE будут отправлены каждому участнику по электронной почте после того, как участник отправит форму оценки и пройдет пост-тест с результатом 75% или выше. Содержание программы соответствует уровню Advanced для психологов.

Американский колледж профессиональной нейропсихологии – приложение , переданное Американской психологической ассоциацией для спонсирования непрерывного образования психологов. Американский колледж профессиональной нейропсихологии несет ответственность за эту программу и ее содержание.

Формат : Поскольку это формат WEBINAR, вход и выход из WEBINAR будут сохраняться как доказательство вашего участия в вебинаре. Кроме того, обсуждения в чате будут сохранены, чтобы показать участие. Эти требования должны соответствовать стандартам APA для получения кредита CE для вебинара.

Формат вебинара позволит взаимодействовать между ведущим и участниками.Докладчик продемонстрирует новую методологию вычислений Кульбака-Лейблера и данные исследований с использованием различных методов сопоставления профилей.

Предполагается, что каждый участник знаком с основными функциями MNB / MNS. Перед расширенным семинаром участникам предлагается просмотреть эти три основных информационных видео семинара: Видео 1, Видео 2, Видео 3. Другие полезные видео доступны в файле справки MNB (Руководство для MNB).

Раскрытие информации : MNB – это коммерческая программа нейропсихологической оценки, разработанная и принадлежащая докторуДжон Мейерс.

Обзор программы : Этот веб-семинар предназначен для более умеренных и продвинутых пользователей, которые могут извлечь выгоду из передовых знаний и применения в конкретных «сложных для понимания случаях». В презентацию будет включено резюме трех рецензируемых публикаций, в которых будет обсуждаться содержание о применимости MNB к конкретным случаям.

Цели :

Каждый участник сможет:

1. Обсудить клинический случай; выбор соответствующих клинических сравнений.
2. Сгенерировать и проверить гипотезу; и
3. Объясните процесс интерпретации в различных случаях.

РАСПИСАНИЕ МАСТЕРСКОЙ

Регистрация и вход

• Начало: 13:00 до 16:00 (восточный часовой пояс)
• Введение
• Недавние исследования
• PVM
• Дискриминантные функции
• Интерпретация
• Приложение для судебной экспертизы
• Перерыв (15 мин)
• Примеры из практики
• Оценочные бланки и тест на 16 предметов
• 16:00: конец дня
• Подача формы оценки

Последние статьи о MNB

Ролинг, М. Л., Мейерс, Дж. Э., Уильямс, Г. Р., Калат, С. С., Уильямс, С. К., Кин, Дж. (2019). Применение стандартов Даубера к нейропсихологической батарее Мейерса с использованием метода интерпретации Ролинга, Psychol. Inj. и Закон, DOI 10.1007 / s12207-015-9227-1.

Мейерс, Дж. Э., Миллер, Р. М., Ролинг, М. Л., Калат, С. С. (2019). Преморбидные оценки нейропсихологического функционирования различных групп. Прикладная нейропсихология: для взрослых, https://doi.org/10.1080/23279095.2018.1550412.

Ролинг, М.Л., Миллер, Р. М., Аксельрод, Б. Н., Уолл, Дж. Р., Ли, А. Дж. Х., и Киникини, Д. Т. (2015). Требуется ли совместное нормирование? Архив клинической нейропсихологии, 30 , 611-633.

Краткая биография докладчика

Джон Мейерс Psy.D. является создателем нейропсихологической батареи Мейерса (MNB) и нейропсихологической системы Мейерса. Он имеет сертификаты совета по нейропсихологии от ABN и ABPdN. Он бывший президент (2017 г.) Национальной академии нейропсихологии (NAN). Он является автором множества опубликованных статей и глав в книгах в области нейропсихологии, разработки и интерпретации тестов. Доктор Мейерс работал в различных учреждениях, включая больницы, реабилитационные и амбулаторные учреждения. Он обследовал более 9000 пациентов с историей практики, охватывающей 20 лет клинической практики. MNB был разработан в ответ на клинические и практические потребности. MNB имеет хорошо развитую историю опубликованных исследований батареи, включая надежность и валидность, и показывает очень хорошую клиническую полезность.

Нейропсихологические службы Мейерса »MNB – Нейропсихологическая батарея Мейерса

Нейропсихологическая батарея Мейерса (MNB) объединяет нейропсихологические тесты в модифицированный статистический подход интерпретирующего метода Ролинга (RIM) в сочетании с подходом сопоставления профилей.

MNB не зависит от какой-либо конкретной нейропсихологической батареи тестов, так как та же статистика может быть выполнена на данных уровня домена. MNB имеет обширную базу данных, используемую для сравнения данных ваших пациентов с различными группами пациентов.Текущая база данных составляет 10 000 субъектов с определением 90+ групп сравнения. MNB использует методы объективного статистического сопоставления, чтобы помочь врачу сопоставить данные пациента с группой сравнения. Этот метод статистического сопоставления имеет точность лучше, чем 90%.

В базу данных включены следующие тесты:

• WISC-IV / V / WAIS-III / IV (краткая форма субтеста отделения 7)
• Принудительный выбор
• Имена животных
• НААРТ
• Оценка за 1 минуту
• COWAT
• Дихотическое слушание
• Повторение предложения
• Оценка ориентации линии
• Бостон нейминг
• Постукивание пальцем
• Локализация пальца
• Испытание на создание следов
• Тест токена
• Рэй Сложная фигура и испытание на распознавание
• Тест на слуховое вербальное обучение Рей
• Категория Test-Victoria версия / Полная версия

Вы также можете добавить свои собственные тесты. MNB очень гибок и может приспособиться к новым тестам и новым нормам по мере изменения области нейропсихологии. MNB также является настраиваемым генератором отчетов для помощи врачу в написании отчетов.

См. Краткое обсуждение ПНВ и паттернов нарушений при черепно-мозговой травме (ЧМТ) (август 2005 г.).

Чтобы заказать нейропсихологическую батарею Мейерса (MNB), вы должны быть лицензированным психологом и иметь специальность в области нейропсихологии . Если вы не соответствуете этим критериям, не заказывайте программное обеспечение (я не буду активировать его, пока не проверю вашу лицензию на психологию).Заказывая программное обеспечение, вы соглашаетесь, что соответствуете двум критериям, а также соглашаетесь не передавать копии программного обеспечения (или любых сопутствующих файлов данных) кому бы то ни было по какой-либо причине в любое время (включая юристов, судей, пациентов или кого-либо еще. ).

Закажи сейчас!

При необходимости вы можете загрузить бумажный счет-фактуру для заказа приложения MNB.

Прочие факты о МНБ

1. MNB можно использовать с детьми от 6 до взрослых 99
2. MNB может использовать канадские WAIS-IV / WISC-IV и адаптируется к канадской системе образования
3. MNB также адаптируется к системе образования Новой Зеландии и системы образования Великобритании
4. MNB доступен на испанском и самоанском языках.
5. MNB можно настроить для ESL
6. Вы можете добавить 1000 собственных тестов и норм в MNB.
7. Вы можете проводить сравнения тест-повторное тестирование с надежным индексом изменения.
8. MNB имеет встроенные методы для оценки уровней функционирования Premorbid.
9. В MNB есть специальный режим для проведения аэромедицинских нейропсихологических обследований, который соответствует правилам / требованиям FAA.
10. MNB содержит встроенные меры валидности производительности, которые оценивают валидность каждого из основных нейропсихологических тестов.

Нейропсихологическая батарея Мейерса (MNB)

Презентация на тему: «Нейропсихологическая батарея Мейерса (MNB)» – стенограмма презентации:

1 Нейропсихологическая батарея Мейерса (MNB)
Джон Э. Мейерс, Psy.D. Центр неврологии, ортопедии и позвоночника, Dakota Dunes, SD Martin L. Rohling, Ph.D. Университет Южной Алабамы, Мобил, Алабама

2 Содержание Философия MNB Разработка MNB
Нормы Разработка Чувствительность и специфичность Проверки внутренней валидности LOC Доз-реакция Профили данных КТ / МРТ

3 Философия MNB MNB начиналась как более длительная серия тестов.
Использование функции распознавания: выбранные тесты, которые смогли отличить нормальный результат от TBI. Провел первоначальное исследование много лет назад

4 Философия MNB Цель состояла в том, чтобы найти лучшую / самую короткую батарею.
Чувствительность к травмам головного мозга. Часто используемые тесты, о которых знает большинство НП. я.е., Категория по сравнению с WCST)

5 Порядок тестирования для MNB Short WAIS-III Forced Choice (FC)
Комплексная фигура Рей (RCFT) – Копирование наименования животных 3-минутный отзыв RCFT COWA Дихотическое слушание North American Adult Reading (NART) Повторение предложения 30-минутный отзыв теста RCFT по распознаванию RCFT (предлагается перерыв) AVLT JOL Boston Naming Finger Taping Finger Localization Trails A & B Token Test AVLT 30-минутный отзыв Пробный буклет AVLT Тест по категориям

6 Индивидуальные тесты в MSB
Сходство символа завершения изображения Блок-схема Арифметическая разность цифр Подтест отделения 7 информации (Pilgrim, Meyers, Bayless, & Whetstone, 1999)

7 База данных MNB Ознакомьтесь с обсуждаемой базой данных.

8 База данных MNB Описание большой выборки pt (N = 4050+)
Описательная статистика: мин. Максимум. M SD Age Educational Примечание: Лицо с 0-летним образованием из Мексики, не окончившее ни одного года обучения.

9 База данных MNB Пол Женский = 1816 (45%) Мужской = 2196 (55%) Руки
Правый = 3549 (89%) Левый = 462 (11%)

10 База данных MNB Этническая принадлежность – размеры выборки Афроамериканец 82 (2%)
Смешанная расовая принадлежность (1%) Кавказец (92%) Азиат (<1%) Коренные американцы (2%) Латиноамериканцы (3%)

11 База данных MNB Множество различных диагнозов, которые можно найти в практике реабилитационных больниц.

12 Сглаженные нормативные данные MNB
При оценке норм обратите внимание на различия в нормах тестов, очевидно, из-за возраста и образования. Например, нормы AVLT Spreen & Strauss (1998) в возрасте = 30–39 лет; M = 11,4 (sd = 2,4) для испытания 6 в возрасте = 40 лет; M = 10,4 (sd = 2,7) для испытания 6. Следовательно, pt. оценка 10 в день до b-дня, после b-дня, оценка (т.е. 10) улучшится с 44T до 48T, используя линейную шкалу.Используя Heaton et al. (1991), баллы баллов улучшились с ниже среднего до среднего, просто став на день старше. Распространенная проблема с несглаженными нормативными данными.

13 MNB Нормативные данные Поэтому решили сгладить нормы.
Сделано выделением всех пт. из набора данных, которые: имели оценку достоверности 0 или 1 (неудачи) были в возрасте 15 лет или старше 15 лет, использовавшихся для взрослой версии теста Trail Making Test, это было сделано для сохранения согласованности. Общий размер выборки N = 1727 Возраст: M = 45,7 лет (sd = 20,7) Образование: лет (sd = 2,7) год обучения. Пол: 779 женщин; 948 мужчин Ручки: правые и 184 левши. Этнические: 32 смешанные; 22 афроамериканца; 1617 белый; 2 азиатских; 27 коренных американцев; и 27 выходцев из Латинской Америки.

14 Нормативные данные MNB Затем было рассчитано уравнение регрессии с использованием необработанных баллов и переменных, возраста, образования, пола, рукопожатия и расы, чтобы предсказать T-балл, ранее рассчитанный с использованием стандартных нормативных данных для тестов.

15 Нормы регрессии MNB Процесс не только сглаживает данные.
Также добавляет поправки на возраст, образование, пол, руки и этническую принадлежность. В Normals эти переменные не всегда могут быть значимыми. В группе пострадавших переменные оказывают дополнительное влияние на выполнение теста.

16 Нормативные данные MNB После того, как уравнения регрессии были рассчитаны, они использовались для расчета T-балла регрессии для каждого теста. Было обнаружено, что эта процедура хорошо работала для всех переменных теста, кроме Token Test (для взрослых) из-за чрезмерного перекоса. рассчитывается и конвертируется в эквиваленты T-балла.

17 Нормативные данные MNB с уравнениями регрессии, с необработанной оценкой 10 по AVLT Imm. Напомним, что в используемом примере изменились бы данные (для человека, прошедшего тестирование за 1 день до дня рождения), в возрасте 39 лет эквивалент T-Score будет 45T; на следующий день после ее дня рождения 45T. Используя нормативные данные уравнения регрессии, сравнения могут быть более надежными с течением времени. Отдельные субтесты для WAIS-III или WISC-III не подвергались методу уравнения регрессии, поскольку в базе данных были закодированы только шкалы, а не исходные оценки. Таким образом, баллы за эти тесты основаны на нормативных данных из руководств по тестированию.

18 MNB Нормативная шкала данных R R2 Значимость Парные выборки t-тест
Следы A (1363), p = 1,00 Следы B (1354), p = 0,930 Суждение (1263), p = 0,921 Постукивание пальцем DH (1599), p = .937 Finger Tappping NDH (1577), p = .977 Finger Localization DH (1201), p = .979 Finger Localization NDH (1196), p = .987 * Token Test (1534), p =.993 Повторение предложений (1253), p = 0,968 Ассоциация контролируемых устных слов (1487), p = 0,982 Названия животных (1366), p = 0,921 Boston Naming (1312), p = 0,000 Дихотическое слушание слева (1198), p = 0,000 Право дихотического слушания (1198), p = 0,014 Дихотическое слушание обоих (1198), p = 004

19 Нормативные данные MNB Принудительный выбор .992 .984 .000 -1.065 (1131), p = . 287
AVLT (1470), p = .973 AVLT (1470), p = 0,940 AVLT (1470), p =.859 AVLT (1469), p = 0,981 AVLT (1469), p = 0,993 AVLT всего (1470), p = 0,949 AVLT дистрактор (1467), p = 0,955 AVLT немедленно (1468), p = 0,918 AVLT С задержкой (1470), p = 943 Распознавание AVLT (1470), p = 0,988 CFT Time (1657), p = 0,941 CFT Copy (1660), p = 0,958 CFT Немедленно (1658), p = 0,938 CFT с задержкой (1659), p = 0,946 CFT ложноположительный (1657), p = 0,979 CFT ложноотрицательный (1657), p = 0,956 Распознавание CFT (1658), p = 0,996 Категория буклета (версия Victoria) (1290), p = 981 * Из-за асимметрии данных процентили были вычислены и преобразованы в T-баллы для этого теста.

20 Данные MNB Дети Детское регрессионное уравнение R R2 Значимость Парные выборки t Тестовые следы A (99), p = 1.000 Следы B (99), p = 0,960 Оценка линии (96), p = 0,942 Finger Tapping Dom (106), p = .986 Finger Tapping NonDom (106), p = . 987 Finger Localization Dom (95), p = .914 Finger Localization NonDom (95), p = .892 Token Test (106), p = .819 Повторение предложения ( 105), p = 0,930 Ассоциация контролируемых устных слов (109), p =.133 Наименования животных (100), p = 0,910 Бостонское наименование (105), p = 326 Дихотическое слушание слева (99), p = 0,457 Дихотическое слушание справа (99), p = 0,592 Дихотическое слушание обоих (99), p = 0,959

21 год MNB Data Children Forced Choice 0,996 .992 .000 -3,089 (94), p = 0,003
AVLT (111), p = 0,855 AVLT (111), p = 0,648 AVLT (111), p =. 768 AVLT (111), p = 0,630 AVLT (111), p = 0,983 Всего AVLT (111), p = 0,963 AVLT дистрактор (111), p =.948 AVLT Немедленно (111), p = 0,923 AVLT с задержкой (111), p = 0,887 Распознавание AVLT (111), p = 0,968 CFT Time (111), p = 0,947 CFT Copy (111), p = 1.000 CFT Немедленный (111), p = 0,988 CFT с задержкой (111), p = 0,977 CFT ложноположительный (111), p = 0,446 CFT ложноотрицательный (111), p = 0,762 CFT Распознавание (111), p = 1. 000 Категория буклетов (92), p = 1.000

22 Уравнения регрессии MNB
Взрослый тестовый возраст Ed Пол Ручная гонка Сырые постоянные следы A Следы B JOL FT Доминантный FT NonDom F Loc Dom F Loc NonD Sentence Rep COWA Animal Бостон Дихотический Левый Дихотический Правый Дихотический Оба

23 Уравнения регрессии MNB
Принудительный выбор AVLT AVLT AVLT AVLT AVLT AVLT Total AVLT Distractor AVLT Recall AVLT Delay AVLT Recognition CFT Time CFT Copy CFT Immediate CFT Delayed CFT FP CFT FN CFT Recognition Booklet Category

24 Нормы для Token Test
Взрослый Token Test Raw T-балл 163 67162 55161 50160 47 159 46 158 45 157 41 156 39 155 38 154 37 153 34 152 29 151 25 150 20 149 15 148 10 147 5 <= 146 1

25 MNB Детские нормы Переменные уравнения регрессии для детей
Тестовый возраст Ed Пол Ручная гонка Необработанные постоянные следы A Следы B JOL Finger T Dom Finger T Non Finger Loc D Finger Loc N Token Test Sentence Rep COWA Animal Boston Dichotic L Dichotic R Dichotic B

26 год MNB Детские нормы Принудительный выбор AVLT AVLT AVLT AVLT AVLT AVLT Всего AVLT Дистрактор AVLT Отзыв AVLT Задержка AVLT Распознавание CFT Время CFT Копирование CFT Немедленное CFT Отложенное CFT FP CFT FN CFT Признание Буклет Категория

27 MNB Recap Шаг 1. Пройдена серия хорошо известных тестов NP
Тесты, с которыми большинство клиницистов знакомо Тесты, выбранные на основе полезности, простоты подсчета баллов и оценки широкого спектра когнитивных функций Эта батарея является результатом нескольких предварительных групп

28 год MNB Резюме Продолжение Шаг 2. Большая база данных оч. собрано
Шаг 3. Проверенные результаты на предмет необходимости сглаживания Шаг 4. Данные сглажены по возрасту батареи в диапазоне от 6 до 99 лет.

29 Продолжение обзора MNB Шаг 4.Пересчитать базу данных с новыми нормами (Шаг 3) Теперь о Шаге 5 Действительна ли эта серия тестов?

30 MNB Шаг 5: Подходит ли эта батарея?
Необходимость проверки надежности / достоверности MSB Meyers, J. E., & Rohling, M. L. (2004). Валидация батареи Meyers Short Battery на пациентах с легкой ЧМТ. Архив клинической нейропсихологии, 19, исследование включало 4 группы

31 год Срок действия MNB 30 Медицинский контроль (группа 1) Все общественное жилье
в больнице из-за проблем, не связанных с ЦНС (т.е. вросшие ногти на пальцах ног) Все жилые дома Нет Hx LD, DD, злоупотребления психоактивными веществами, TBI, или проблем с психическим здоровьем, или чего-либо, что могло бы быть дисквалифицировано как нормальное.

32 Срок действия MNB: 30 медицинских контролей (продолжение)
Средний возраст: 38,6 лет (sd = 18,9) Среднее образование: 13,4 года (sd = 3,19) Пол: 15 женщин; 15 кобелей Рукоятка: 29 правые; 1 был LH Этническая принадлежность: 29 белых; 1 коренной американец

33 Валидность в группе с депрессией MNB (группа 2) 41 пациент Все принимали СИОЗС
Средний возраст: 46 лет. 0 лет (sd = 15,0) Среднее образование: 13,5 лет (sd = 2,7) Пол: 20 женщин; 21 мужчина Ручка: 38 правый; 3 были LH этнической принадлежности: 1 смешанная раса; 40 белых 29 завершили MMPI-2 с оценкой M следующим образом: L = 52,1 (sd = 11,4), F = 60,5 (sd = 11,7), K = 50,2 (sd = 10,2) 1 = 63,8 (sd = 12,8) 2 = 70,8 ( sd = 14,5) 3 = 66,7 (sd = 16,0)

34 Валидность хронической боли MNB (группа 3) включала 32 пациента, которых лечили амбулаторно.при хронической боли. Никто не участвовал в судебных разбирательствах на момент оценки Ни у кого не было истории судебных разбирательств Оч. получили травмы в результате травм, не связанных с работой, или получили травмы на своей ферме, или отказались от выплаты компенсации Уоркману и проходили лечение в амбулаторной клинике боли.

35 год Срок действия группы хронической боли MNB Продолжение
Средний возраст: 40,7 года (sd = 14,2) Среднее образование: 13. 4 года (sd = 2,1) Пол: 20 женщин и 12 мужчин Руки: 29 были RH; 3 были LH Этническая принадлежность: 31 белый; 1 коренной американец

36 Срок действия MNB Group 4: 59 баллов. история TBI
Все пц. осмотрен в местной больнице и реабилитационном отделении, за которым следует старший автор (JEM) Все пп. идентифицировал LOC 20 мин. или менее другие данные (например, GCS или PTA) не часто записываются, однако данные LOC доступны для всех пациентов.LOC определяется как «Время следовать командам» (например, Dikmen et al., 1995; Volbrecht et al., 2000)

37 Срок действия MNB Средний возраст: 36,9 года (sd = 15,1)
Среднее образование: 12,6 года (sd = 2,1) Время после травмы: 7,6 мес. (sd = 10.0) Пол: 14 женщин; 43 кобеля Рукоятка: 51 правая; 6 были LH. Этническая принадлежность: 2 смешанные; 1 латиноамериканец; 54 белый

38 Достоверность результатов теста MSB, полученных для каждой из исследуемых групп
Нормальный хронический умеренный контроль Подавленная боль TBI NART FSIQ Среднее n SD Barona et. al FSIQ Среднее n SD WAIS VIQ Среднее n SD WAIS PIQ Среднее n SD WAIS FIQ Среднее SD

39 Валидность MNB. Валидность оценивалась с помощью анализа дискриминантной функции, сравнивающего точки без ЧМТ. с ЧМТ оч. Результат: 96% правильной классификации 99% специфичность 90% чувствительность

40 Достоверность MNB Отражает общеклиническую выборку,
63 человека со смешанным диагнозом оценивались более одного раза, с первым тестированием не менее 6 мес.после травмы Некоторые участвуют в судебных процессах, но все прошли проверку на достоверность Описание группы Возраст: средний = 38,4 года (стандартное отклонение = 22,8) Образование: среднее значение = 12,2 года (стандартное отклонение = 2,9)

41 год Проверка надежности повторного теста
1-й тест: посттравматический стресс 21,6 мес. (sd = 22,8) Повторный тест: после травмы 40,7 мес. (sd = 33,2) Время до начала сеансов: 19,1 мес. (sd = 16,6) от 2 до 91 мес., в среднем 13 мес. Надежность r = 0,86

42 Проверка внутренней действительности
Meyers, J.Э. и Волбрехт М. Э. (2003). Валидация методов обнаружения множественных пороков в большой клинической выборке, Архив клинической нейропсихологии, 18, другие публикации

43 год Внутренняя проверка достоверности (отсечка 0% FP)
Отсечка теста / метода RCFT: MEP <= (1 = Attent, 2 = Encode, = Store, 4 = Retrieve) Reliable Digits <= 6 Forced Choice <= 10 JOL < = 12 тестовых токенов <= 150 Дихотическое прослушивание обоих <= 9 повторений предложений <= 9 AVLT-распознавание <= 9 FT-оценка FT <= -10

44 год Внутренние проверки достоверности
В исследовании приняли участие 796 участников в возрасте от 16 до 86 лет, с уровнем образования от 5 до 23 лет.

45 Внутренние проверки действительности
15 групп Группы, не участвующие в судебном процессе Группы судебных органов

46 Проверка внутренней валидности
Этот метод показал 83% чувствительность и 100% специфичность. Кроме того, было 0% ложных срабатываний.

47 Валидность нейропсихологических тестов
Использовано 9 проверок валидности (комбинация исследований) Meyers, J.Э. и Волбрехт М. Э. (2003). Подтверждение множественных методов обнаружения недобросовестности в большой клинической выборке, Архив клинической нейропсихологии, 18, 3, Мейерс, Дж. Э. и Дип А. (2000). Оценка симуляции у пациентов с хронической болью с помощью нейропсихологических тестов. Прикладная нейропсихология, 7, Мейерс, Дж. Э. и Волбрехт, М. (1999). Обнаружение симулянтов с помощью испытания на распознавание и сложную фигуру Рея. Прикладная нейропсихология, 6, 4, Мейерс, Дж. Э., Галински, А., и Волбрехт, М.(1999). Болезнь и легкая черепно-мозговая травма: насколько низкий – слишком низкий. Прикладная нейропсихология, 6, Мейерс, Дж. Э. и Волбрехт, М. (1998). Проверка достоверности цифр для обнаружения симуляции. Оценка, 5, Мейерс, Дж. Э., и Моррисон, А. Л., и Миллер, Дж. С. (2001). Еще раз, насколько низко слишком низко: повторение предложения и распознавание AVLT в обнаружении симуляции. (Отправлено в прикладную нейропсихологию). Мейерс, Дж. Э. и Волбрехт, М. Э. (2001). Проверка нескольких методов обнаружения симуляции на большой клинической выборке.(на рассмотрении в Архиве клинической нейропсихологии)

48 Проверки валидности нейропсихологических тестов
Частота неудачных проверок валидности для НЕ СУДЕБНЫХ групп 8 7 6 5 4 3 2 <1 час LOC 1 час <24 LOC 1-8 дней LOC 9 дней + LOC Болевые нормы Депрессия

49 Проверки валидности нейропсихологических тестов
Частота неудачных проверок валидности для LITIGATING групп <1 час LOC> 1 час LOC Участники, причиняющие боль

50 Дозировка TBI – Dr. Ролинг

51

52

53

54 Dikmen et al. (1995) Пациенты
Доза-реакция на TBI Dikmen et al.(1995) Пациенты

55

56 Реакция на дозу ЧМТ – доктор Ролинг
Дикмен и др. (1995) назначили HRB выборке пациентов с ЧМТ. Подобные пациенты от 2-го автора (JEM). Во-первых, определите, существует ли степень тяжести и дефицита ЧМТ в зависимости от дозы. Во-вторых, Dikmen et al. результаты можно обобщить на другие образцы TBI? Анализы образца Мейерса повторил Дикмен. Зависимость доза-реакция между LOC и ухудшением, обнаруженная с использованием размеров эффекта для выборки Дикмена, а также с использованием основанных на регрессии нормативных Т-баллов для выборки Мейерса. Оба образца сильно коррелировали друг с другом. Средние баллы для шести групп тяжести LOC для двух выборок привели к коэффициенту корреляции r = 0,97, p <

57 год Данные КТ / МРТ Демографические данные участника
Различные размеры выборки (N = 124) Пол Мужской Женский 42 Этническая принадлежность Кавказский 119 Другое

58 Диагностические группы КТ / МРТ Размер выборки MVA / TBI 47 Удар в голову 32
LCVA 24 RCVA 21

59 КТ / МРТ Все были правши.
Доктор Мейерс сопровождал всех в госпитализации и реабилитации. Никто не участвовал в судебных тяжбах. Все прошли внутреннюю проверку на валидность.

60 КТ / МРТ Локация КТ / МРТ Левая фронтальная 59 Левая теменная 37
Левая височная 34 Левая затылочная 6 Правая фронтальная 40 Правая теменная 42 Правая височная 31 Правая затылочная 3

61 КТ / МРТ Все получили MNB
Данные КТ / МРТ, закодированные для травмы, сообщенной на МРТ / КТ во время травмы Присутствует = 1 Отсутствует = 0

62

63

64 Независимая выборка КТ / МРТ Односторонний t-критерий для каждой доли
В отчете КТ / МРТ Присутствует = 1 Отсутствует = 0

65 Данные КТ / МРТ

66 Области мозга, участвующие в выполнении арифметики WAIS-III

67 Области мозга, вовлеченные в выполнение Бостонского теста именования

68 Области мозга, участвующие в работе Rey-CFT Copy

69 Областей мозга, вовлеченных в выполнение общего балла AVLT

70 КТ / МРТ тесты NP в целом вели себя так, как ожидалось.
Более «системный» или «предметный» подход лучше объясняет результаты. Конструкция «Исполнительная функция» не поддерживается.

71 доменов, используемых MNB. Внимание / рабочая память: диапазон цифр
Принудительный выбор имени животных Предложение Rep AVLT 1 Скорость обработки / ментальная гибкость: цифровой символ дихотический Оба следа A Следы B

72 Домены, используемые MNB Визуальное рассуждение Завершение изображения
Сходства вербального рассуждения Арифметическая информация COWA Дихотический Левый Дихотический Правый Бостонский тест токена именования Визуальное рассуждение Завершение изображения Блок Дизайн Категория JOL RCFT Копия

73 Доменов, используемых MNB Вербальная память AVLT Всего AVLT Немедленно
AVLT Отложенное распознавание AVLT Визуальная память RCFT Немедленное RCFT Отложенное распознавание RCFT

74 Домены, используемые MNB Двигательное и сенсорное постукивание пальцами Доминантная рука
Постукивание пальцем Недоминантная рука Локализация пальца Доминантная локализация пальца руки Недоминантная рука

75

76

77

78

79 Общность пониженного содержания O2

80 Согласованность домена N = 936 Расчетный домен M
Пройдены все проверки действительности Нет недостающих данных Не участвует в судебном разбирательстве Расчетная регрессия домена M, используемая для прогнозирования Домена M с использованием всех на другом Домене M.

81 год Корреляция средств домена
1 – Premorbid 2 – OTBM 3 – DTBM 4 – Attent / Work Mem 5 – Pro Spd / Mental Flex 6 – Вербальная причина 7 – Визуальная причина 8 – Вербальная память 9 – Зрительная память 10 – Дом двигательная / сенсорная 11 – Отсутствие двигательных / сенсорных функций Все были значимыми p <.001

82 Корреляции домена M (продолжение)
1 – Premorbid 2 – OTBM 3 – DTBM 4 – Attent / Work Mem 5 – ProcSpd / Ment Flex 6 – Вербальное мышление 7 – Визуальное мышление 8 – Вербальная память 9 – Визуальная память 10 – Dom Motor / Sen 11 – Нет Motor / Sen Все были значимы p <.001

83 Уравнения регрессии доменов
Внимание и рабочая память (вербальное мышление) *.315 (словесная память) * . 273 (скорость обработки) * .193 Константа =

84 Уравнения регрессии доменов
Скорость обработки / умственная гибкость Вербальное рассуждение * .401 Визуальное рассуждение * .284 Внимание и рабочая память * .230 Константа = 2,434

85 Уравнения регрессии доменов
Скорость обработки словесных рассуждений *.361 Внимание и рабочая память * .354 Визуальное мышление * .243 Константа = 2,5

86 Уравнения регрессии доменов
Визуальное мышление Визуальная память * .322 Скорость обработки / умственная гибкость * .213 Вербальное мышление * .208 Константа =

87 Уравнения регрессии доменов
Вербальная память, внимание и рабочая память *. 738 Визуальная память * .388 Константа =

88 Уравнения регрессии доменов
Визуальная память Визуальное мышление * .698 Вербальная память * .311 Скорость обработки * .0909 Константа =

89 Скорректированная регрессия SE R R2 оценки
Скорость обработки внимания / рабочей памяти Вербальное мышление Визуальное мышление Вербальная память Визуальная память

90 Обзор Проведен ряд хорошо известных тестов. Разработанные нормы.
Определенная валидность, надежность, чувствительность и специфичность.Проверка внутренней действительности и внутренняя непротиворечивость

MNB – Нейропсихологическая батарея Мейерса

MNB – Нейропсихологическая батарея Мейерса

Категории

Наиболее релевантные списки сокращений для MNB – Нейропсихологическая батарея Мейерса

изображений

Аббревиатура в изображениях

MNB означает аккумуляторную батарею Meyers Neurops6 Поделиться

Вы нашли страницу полезной?
Для распространения информации используйте следующее:

Найдите значение сокращения,

слово для сокращения,

или категорию.

Ярлыки для опытных пользователей – примеры

Нейропсихологическая батарея Мейерса в Undefined by AcronymsAndSlang.com

MNB означает нейропсихологическая батарея Мейерса

Этот акроним / сленг обычно относится к категории неопределенных.

Что такое аббревиатура для нейропсихологической батареи Мейерса?

Нейропсихологическая батарея Мейерса может быть сокращено как MNB

Самые популярные вопросы, которые люди ищут перед тем, как перейти на эту страницу

Q: A:	Что означает MNB? MNB расшифровывается как «Нейропсихологическая батарея Мейерса».
Q: A:	Как сократить «Нейропсихологическая батарея Мейерса»? Сокращенно «Нейропсихологическая батарея Мейерса» можно обозначить как MNB.
Q: A:	Что означает аббревиатура MNB? Значение аббревиатуры MNB – «Нейропсихологическая батарея Мейерса».
Q: A:	Что такое аббревиатура MNB? Одно из определений MNB – «Нейропсихологическая батарея Мейерса».
Q: A:	Что означает MNB? Аббревиатура MNB означает «Нейропсихологическая батарея Мейерса».
Q: A:	Что такое стенография Нейропсихологической батареи Мейерса? Наиболее распространенное сокращение от «Нейропсихологической батареи Мейерса» – MNB.

Вы также можете просмотреть сокращения и акронимы со словом MNB в термине.

Сокращения или сленг с аналогичным значением

Аббревиатура / Подробная информация.

– Allie: аббревиатура / полная информация.

■ Поиск аббревиатуры и полной формы

---

Что такое Элли?

Allie – это служба поиска сокращений и полных форм, используемых в науках о жизни. Это решение проблемы, связанной с использованием в литературе множества сокращений, часто встречаются многозначные или синонимичные сокращения, затрудняет чтение и понимание научных статей, которые не имеют отношения к опыту читателя.Элли ищет сокращения и соответствующие им длинные формы в заголовках и рефератах во всей базе данных PubMed® Национальной медицинской библиотеки США. PubMed хранит более 30 миллионов библиографических данных по наукам о жизни и подходит для извлечения аббревиатур по конкретным предметным областям и их полных форм, встречающихся в реальной литературе.

Что могут делать пользователи с помощью Allie?

• Пользователи могут искать длинные формы сокращений или сокращения длинных форм.
• Можно получить библиографические данные, которые включают запрашиваемое сокращение или полную форму в заголовках или рефератах.
• Пользователи также могут получать одновременно встречающиеся сокращения в названиях и рефератах.
• Доступны интерфейсы SPARQL / REST / SOAP, которые позволяют пользователям обращаться к Allie из своих скриптов, программ и т. Д.

Видеоурок

Вы можете изучить Allie здесь (видеоурок).

Связанная публикация

См. Следующую публикацию:
Y.Ямамото, А. Ямагути, Х. Боно и Т. Такаги, “Allie: база данных и служба поиска сокращений и полных форм.”, База данных, 2011: bar03.
PubMed Entry | Доступен полный текст статьи

Элли использует ALICE для извлечения пар сокращений и длинных форм вместе с идентификатором PubMed из данных PubMed. Подробности этого инструмента описаны в следующей публикации:
Х. Ао и Т. Такаги, «ALICE: алгоритм для извлечения сокращений из MEDLINE.», J Am Med Inform Assoc. , 2005 сентябрь-октябрь; 12 (5) : 576-86.
PubMed Entry | Доступен полный текст статьи

Обновление

Последнее обновление индекса: 3 августа 2021 г. (ежемесячное обновление)

Скачать

Вы можете загрузить и использовать базу данных, используемую для Allie (Еженедельное обновление), в соответствии с условиями использования. [скачать сайт]

---

[РЕЗУЛЬТАТЫ]
Запрос (аббревиатура / полная форма)	mnb / meyers + нейропсихологический + аккумулятор
Сокращение / полная форма Поиск информации	не найдено.

---

Пожалуйста, обращайтесь сюда, если у вас есть какие-либо вопросы или предложения.

PPT – Нейропсихологическая батарея Мейерса MNB и презентация в PowerPoint для нейросетевого анализа

1. Нейропсихологическая батарея Мейерса (MNB) и нейросетевой анализ Джон Э. Мейерс, Psy.D., ABN, ABPdN Рон Миллер, доктор философии, Университет Бригама Янга, Гавайи Чад Гриллс, доктор философии, казармы Скофилд, HI

2. Раскрытие информации Джон Мейерс заинтересован в программном обеспечении для оценки MNB / MNS. Ему не принадлежит ни один из тестов, составляющих основную батарею MNB. Рон Миллер не интересуется MNB / MNS. Но действительно хороший парень Чад Гриллс тоже не интересуется MNB / MNS, но он тоже очень хороший парень.

3. Out Line для этого раздела Философия MNB Развитие MNB Нормы развития Чувствительность и специфичность Внутренние проверки действительности LOC Dose Response Данные КТ / МРТ Профили

4. Философия MNB MNB начиналась как более длительная серия тестов. Использование функции распознавания: выбранные тесты, которые смогли отличить нормальный результат от TBI. Провел первоначальное исследование много лет назад

5. Философия MNB Целью было найти лучшую / самую короткую батарею Чувствительность к травмам головного мозга Часто используемые тесты, о которых знает большинство НП Первоначально 6 часов работы от батареи сократились до 2,5 – 3 часов. Тесты были выбраны не только по чувствительности, но и по простоте проведения и оценки (т.е., Категория по сравнению с WCST)

6. Порядок тестирования для MNB Short WAIS-III Принудительный выбор (FC) Сложная фигура Рей (RCFT) – Копия Именование животных 3-х минутный вызов RCFT COWA Дихотическое слушание Североамериканское чтение для взрослых (NART) Повторение предложения Отзыв RCFT за 30 минут Испытание на признание RCFT (предлагается перерыв) AVLT JOL Бостон нейминг Постукивание пальцем Локализация пальца Маршруты A и B Тест токена AVLT 30-минутный отзыв Испытание на признание AVLT Буклет Категория Тест

7. Домены, используемые MNB Внимание / Рабочая память: Размах цифр Принудительный выбор Именование животных Приговор Rep AVLT 1 Арифметика Скорость обработки / умственная гибкость Цифра Символ Дихотические оба Трассы А Следы B

8. Домены, используемые MNB Verbal Reasoning Сходства Информация COWA Дихотическая левая Дихотическое право Бостон нейминг Визуальное мышление теста токена Завершение изображения Блочный дизайн JOL Категория Копия RCFT

9. Домены, используемые вербальной памятью MNB AVLT Итого AVLT Немедленно AVLT с задержкой Признание AVLT Зрительная память RCFT Немедленно RCFT с задержкой Распознавание RCFT

10. Домены, используемые MNB Motor и Sensory Постукивание пальцем доминирующей руки Постукивание пальцем по недоминантной руке Доминирующая локализация пальца руки Локализация пальца недоминантной руки

11. WAIS-III или WAIS-IV Завершение изображения Цифра Символ Сходства Блочный дизайн Арифметика Размах цифр Информация Субтест отделения 7 (Pilgrim, Meyers, Bayless, & Whetstone, 1999)

12. доменов с оценкой внимания / концентрации / рабочей памяти Скорость обработки и умственная гибкость Вербальное мышление (исполнительное?) Визуальное рассуждение (исполнительный?) Вербальная память и новое обучение Визуальная память и новое обучение Доминирующая моторная и сенсорная Недоминантная моторная и сенсорная

13. Согласованность домена N = 936 Пройдены все проверки на валидность Нет недостающих данных Не участвует в судебных процессах Расчетный домен Ms Регрессия, используемая для прогнозирования домена M с использованием всех Ms в другом домене

14. Доменные средние корреляции 1 2 3 4 5 6 1 Преморбид .76 .71 .62 .56 .79 2 – ОТБМ .76 .98 .81 .82 .84 3 – ДТБМ .71 .98 .77 .79 .78 4 – Память внимания / работы .64 .81 .77 .64 .69 5 Pro Spd / Mental Flex .62 .82 .79 .64 .72 6 – Устная причина .79 .84 .78 .69 .72 7 – Визуальная причина .68 .81 .81 .54 .64 .64 8 – Вербальная память .53 .77 .78 .68 .50 .54 9 – Зрительная память .54 .77 .80 .53 .55 .55 10 – Dom Motor / Sensory .30 .54 .62 .37. 30 .54 .62 .37.44,36 11 – Не моторный / сенсорный .28 .53 .62 .31 .44 .30 Все были значимы p <0,001

15. Domain Ms Correlations (продолжение) 7 8 9 10 11 1 – Преморбид .68 .53 .54 .30 .28 2 – ОТБМ .81 .77 .77 .54 .53 3 – ДТБМ .81 .78 .80 .62 .62 4 – Память внимания / работы . 54 .68 .53 .37 .31 5 – ProcSpd / Ment Flex.64 .50 .55 .44 .44 6 – Устное рассуждение .64 .54 .55 .36 .30 7 – Визуальное рассуждение .51 .70 .41 .45 8 – Вербальная память.51, 62, 34, 32 9 – Зрительная память .70 .62 .37 .40 10 – Dom Motor / Sen .41 .34 .37 .53 11 – Без двигателя / Сен. 45. 32. 40. 53 Все были значимыми p <0,001

16. Уравнения регрессии доменов Внимание и рабочая память (Устное рассуждение) * .315 (Вербальная память) * .273 (Скорость обработки) * .193 Константа = 10,972

17. Скорость обработки уравнений регрессии доменов / умственная гибкость Вербальное рассуждение *.401 Визуальное рассуждение * .284 Внимание и рабочая память * .230 Константа = 2,434

18. Уравнения регрессии доменов Устное рассуждение Скорость обработки * .361 Внимание и рабочая память * .354 Визуальное рассуждение * .243 Константа = 2,5

19. Уравнения регрессии доменов Визуальное обоснование Визуальная память * .322 Скорость обработки / умственная гибкость * . 213 Вербальное рассуждение * .208 Константа = 11,813

20. Домены Уравнения регрессии Вербальная память Внимание и рабочая память * .738 Зрительная память * .388 Константа = -7,615

21. Уравнения регрессии доменов Визуальная память Визуальное рассуждение * .698 Вербальная память * .311 Скорость обработки * .0909 Константа = -5,517

22. SE с поправкой на регрессию R R2 оценки Внимание / рабочая память 0,79 .63 4,88 Скорость обработки .77 .60 5,31 Вербальное рассуждение.80,64 5,04 Визуальное рассуждение 0,78 .61 4,88 Вербальная память .75 .56 7.96 Визуальная память .77 .59 7,11

23. Базовая батарея тестов от издателя AudiTech (Сент-Луис) Дихотическое слушание Psy Corp WAIS-III / IV, MMPI-RF Ресурсы психологической оценки (PAR) RCFT, Boston Naming, JLO, Категория Всеобщее достояние Принудительный выбор, COWA, Именование ЖИВОТНЫХ, Повторение предложения, Тест токена, Следы A / B, Локализация пальца, 1-минутная оценка, AVLT Reitan Labs Постукивание пальцем

24. AYOC / AYOP Вы можете добавить 1000 ваших любимых тестов в когнитивный раздел А ТАКЖЕ 1000 тестов в Психологический раздел MNB – это ядро ​​тестов, в котором есть функции сравнения баз данных и дискриминант, а также Neuronet

25. MNB сглаженные нормативные данные При оценке норм обратите внимание, что были различия в нормах тестов, очевидно, из-за возраста и образования. Например, нормы AVLT Spreen & Strauss (1998). В возрасте = 30-39 лет; М = 11,4 (сд = 2.4) для пробной версии 6 В возрасте = 40 лет; M = 10,4 (sd = 2,7) для испытания 6. Следовательно, pt. оценка 10 в день до b-дня, после b-дня, оценка (т.е. 10) улучшится с 44T до 48T, используя линейную шкалу.

26. Сглаженные нормативные данные MNB с использованием Heaton et al. (1991), баллы в баллах улучшились бы с ниже среднего до среднего, просто став старше на день. Распространенная проблема с несглаженными нормативными данными.

27. MNB Нормативные данные Поэтому решили сгладить нормы. Сделано выделением всех пц. из набора данных, кто: имел оценку достоверности 0 или 1 (неудачи) были в возрасте 15 лет и старше 15 лет использовался для взрослой версии теста Trail Making Test это было сделано, чтобы сохранить последовательность. Общий объем выборки N = 1727 Возраст: M = 45,7 года (sd = 20,7) Образование: 12,3 года (sd = 2,7) года обучения. Пол: 779 женщин; 948 кобелей Ручка: 1543 правых и 184 левосторонних. Этнические: 32 смешанные; 22 афроамериканца; 1617 белый; 2 азиатских; 27 коренных американцев; и 27 выходцев из Латинской Америки.

28. Нормативные данные MNB Затем было вычислено уравнение регрессии с использованием исходной оценки и переменных, возраста, образования, пола, руки и расы, чтобы предсказать Т-балл, ранее рассчитанный с использованием стандартных нормативных данных для тестов.

29. Нормы регрессии MNB Обработка не только сглаживает данные Также добавлены поправки на возраст, образование, пол, руки и этническую принадлежность. В Normals эти переменные не всегда могут быть значимыми.В группе пострадавших переменные оказывают дополнительное влияние на выполнение теста.

30. Нормативные данные MNB После расчета уравнений регрессии они использовались для расчета T-балла регрессии для каждого теста Было обнаружено, что эта процедура хорошо работала для всех тестовых переменных, кроме Token Test (для взрослых) из-за чрезмерного перекоса. Для Token Test были рассчитаны процентильные баллы и преобразованы в их эквиваленты.

31. Нормативные данные MNB с уравнениями регрессии, с необработанной оценкой 10 по AVLT Imm.Отзывать В используемом примере изменит данные (для человека, прошедшего тестирование за 1 день до дня рождения), в возрасте 39 лет. Эквивалент T-балла будет 45T; через день после ее рождения 45т. Используя нормативные данные уравнения регрессии, сравнения могут быть более надежными с течением времени. Отдельные субтесты для WAIS-III или WISC-III не подвергались методу уравнения регрессии, поскольку в базе данных были закодированы только шкалы, а не исходные оценки. Таким образом, баллы за эти тесты основаны на нормативных данных из руководств по тестированию.

32. Нормативные данные MNB Шкала для взрослых R R2 Значимость Парные выборки t-критерий Трассы A .902 .814 .000 .000 (1363), p = 1,00 Следы B .873 .762 .000 -088 (1354), p = 0,930 Решение .946 .894 .000 -.099 (1263), p = .921 Постукивание пальцем DH .961 .924 .000 -079 (1599), p = .937 Нажатие пальцем NDH .952 .906 .000 .029 (1577), p = .977 Локализация пальца DH .874 .764 .000 .027 (1201), p = .979 Локализация пальца NDH .801 .641 .000 -.017 (1196), p =.987 * Token Test .486 .236 .000 .008 (1534), p = 0,993. Повторение предложения .957 .915 .000 .040 (1253), p = 0,968 Контролируемое устное слово .977 .955 .000 -.022 (1487), p = .982 Именование животных .976 .953 .000 .099 (1366), p = 0,921 Boston Naming .902 .814 .000 72.900 (1312), p = .000 Левое дихотическое слушание .887 .787 .000 -3.994 (1198), p = .000 Право дихотического слушания .891 .794 .000 -2.460 (1198), p = .014 Дихотическое слушание Оба . 921 .849 .000 -2.920 (1198), p = 004

33. Нормативные данные MNB Принудительный выбор для взрослых .992. 984 .000 -1.065 (1131), p = .287 AVLT 1 .939 .883 .000 .034 (1470), p = 0,973 AVLT 2 .949 .901 .000, 0,076 (1470), p = 0,940 AVLT 3 .959 .920 .000 -178 (1470), p = 0,859 AVLT 4 .939 .882 .000 -024 (1469), p = 0,981 AVLT 5 .934 .872 .000 -.008 (1469), p = 0,993 AVLT Всего 0,941 0,86 0,000 0,064 (1470), p = 0,949 Дистрактор AVLT .933 .871 .000 .057 (1467), p = .955 AVLT Немедленно .957 .915 .000 .103 (1468), p = 0,918 AVLT с задержкой.957, 915, 000 -071 (1470), p = 943 Распознавание AVLT .892 .796 .000 -.015 (1470), p = .988 Время CFT .927 .859 .000 -075 (1657), p = .941 CFT Копия .879 .773 .000 -.053 (1660), p = .958 CFT Немедленно .964 .930 .000 -077 (1658), p = .938 CFT с задержкой 0,966 0,934 0,000 -068 (1659), p = 0,946 CFT Ложноположительный .811 .657 .000 -.027 (1657), p = .979 CFT Ложноотрицательный .993 .985 .000 -.056 (1657), p = .956 Распознавание CFT .938 .879 . 000 .005 (1658), p = .996 Категория буклетов (версия Виктории).883, 780, 000, 024 (1290), p = 981 * Из-за асимметрии данных процентили были вычислены и преобразованы в T-баллы для этого теста.

34. Данные MNB Дети Детское уравнение регрессии R R2 Значимость Парные выборки t-критерий Следы A .765 .585 .000 .001 (99), p = 1.000 Следы B .839 .704 .000 -050 (99), p = 0,960 Оценка линии .944 .891 .000 .072 (96), p = .942 Постукивание пальцем Dom .913 .833 .000 .017 (106), p = .986 Постукивание пальцем по NonDom.916, 840, 000 -016 (106), р = 0,987 Локализация пальца Dom .953 .908 .000 .109 (95), p = 0,914 Локализация пальца NonDom .895 .801 .000 .136 (95), p = .892 Жетон Тест .847 .718 .000 .229 (106), p = 0,819 Повторение предложения .956 .914 .000 .088 (105), p = .930 Ассоциация контролируемых устных слов .930 .865 .000.-1.515 (109), p = .133 Именование животных .953 .908 .000 .113 (100), p = 0,910 Boston Naming .855 .731 .000 -.986 (105), p = 326 Левое дихотическое слушание . 946 .894 .000 -.748 (99), р = 0,457 Право дихотического слушания .862 .743 .000 -538 (99), p = .592 Дихотическое слушание. AVLT 1 .996 .991 .000 .183 (111), p = 0,855 AVLT 2 .998 .996 .000 -.457 (111), p = 0,648 AVLT 3 .995 .990 .000-295 (111), p = 0,768 AVLT 4 .998 .995 .000 .483 (111), p = 0,630 AVLT 5 .919 .845 .000 -.022 (111), p = .983 AVLT Итого.932, 869, 000, 047 (111), p = 0,963 Дистрактор AVLT .903 .816 .000 .066 (111), p = .948 AVLT Немедленно .903 .815 .000 .097 (111), p = 0,923 AVLT с задержкой .959 .919 .000 .143 (111), p = .887 Распознавание AVLT .868 .755 .000 -041 (111), p = 0,968 CFT Время 0,868 .754 .000 .067 (111), p = 0,947 CFT Копия .866 .750 .000 .000 (111), p = 1.000 CFT Немедленно .897 .805 .000 .015 (111), p = 0,988 CFT с задержкой .970 .941 .000 -.028 (111), p = .977 CFT Ложноположительный .886 .784 .000 -766 (111), p =.446 CFT Ложноотрицательные .997 .995 .000 .303 (111), p = .762 Признание CFT .955 .913 .000 .000 (111), p = 1.000 Категория буклета .620 .384 . 000 .000 (92), p = 1.000

36. MNB Резюме Шаг 1. Взял ряд известных тестов NP Тесты, с которыми знакомо большинство врачей Тесты, выбранные на основе полезности, простоты выставления баллов и оценки широкого спектра когнитивных функций. Эта батарея является результатом нескольких предварительных батарей

37. MNB Резюме Продолжение Шаг 2. Большая база данных оч. собраны Шаг 3. Проверил результаты на предмет необходимости сгладить Шаг 4. Данные сглаживаются по батарее возраст от 6 до 99 лет Отдельные нормы на 6-14 и 15-99 Скорректировать по возрасту, изданию, полу, этнической принадлежности и рукам

38. Резюме MNB Продолжение Шаг 4. Пересчитать базу данных с новыми нормами (Шаг 3) Теперь о Шаге 5 Эта серия тестов действительна?

39. MNB Шаг 5: Подходит ли эта батарея? Необходимо проверить надежность / достоверность MSB Мейерс, Дж.Э. и Ролинг М. Л. (2004). Валидация батареи Meyers Short Battery на пациентах с легкой ЧМТ. Архив клинической нейропсихологии, 19, 637-651. В исследование были включены 4 группы

40. Срок действия MNB 30 Медицинский контроль (группа 1) в больнице по поводу проблем, не связанных с ЦНС (например, вросшие ногти на пальцах ног) Все общежитие Отсутствие Hx LD, DD, злоупотребления психоактивными веществами, TBI или проблем с психическим здоровьем или чего-либо, что могло бы быть признано нормальным.

41. Срок действия MNB: 30 медицинских контролей (продолж.) Средний возраст: 38,6 года (стандартное отклонение = 18,9) Среднее образование: 13,4 года (стандартное отклонение = 3,19) Пол: 15 женщин; 15 кобелей Ручка: 29 правых; 1 был LH Этническая принадлежность: 29 белых; 1 Коренной американец

42. Валидность группы с депрессией MNB (группа 2) 41 пациент Все на СИОЗС Средний возраст: 46,0 лет (sd = 15,0) Среднее образование: 13,5 лет (стандартное отклонение = 2,7) Пол: 20 женщин; 21 кобель Ручка: 38 правых; 3 были LH Этническая принадлежность: 1 смешанная раса; 40 белый 29 завершили MMPI-2 с оценкой M следующим образом L = 52. 1 (sd = 11,4), F = 60,5 (sd = 11,7), K = 50,2 (sd = 10,2) 1 = 63,8 (SD = 12,8) 2 = 70,8 (SD = 14,5) 3 = 66,7 (sd = 16,0)

43. Достоверность хронической боли MNB (группа 3): 32 пациента, которых лечили как амбулаторное лечение. при хронической боли. На момент оценки не участвовал в судебных разбирательствах Ни у кого не было предыдущей судебной истории Оч. получили травмы в результате травм, не связанных с работой, или были ранены на своей ферме, или решили не добиваться компенсации Workmans и проходили лечение в амбулаторной клинике боли.

44. Срок действия продолженной группы хронической боли MNB Средний возраст: 40,7 года (sd = 14,2) Среднее образование: 13,4 года (стандартное отклонение = 2,1) Пол: 20 женщин и 12 мужчин Ручка: 29 правых; 3 были LH Этническая принадлежность: 31 белый; 1 Индеец

45. Срок действия группы 4 MNB: 59 баллов. история ЧМТ Все оч. видели в местной больнице и реабилитационном отделении за ним следует старший автор (JEM) Все оч. идентифицировал LOC 20 мин. или менее другие данные (т.е., GCS или PTA) не часто регистрируются однако данные LOC доступны для всех пациентов. LOC определяется как время для выполнения команд (например, Dikmen et al., 1995; Volbrecht et al., 2000)

46. Действительность среднего возраста MNB: 36,9 лет (sd = 15,1) Среднее образование: 12,6 года (стандартное отклонение = 2,1) Время после травмы: 7,6 мес. (SD = 10,0) Пол: 14 женщин; 43 кобеля Ручка: 51 правая; 6 были LH Этническая принадлежность: 2 смешанные; 1 латиноамериканец; 54 белый

47. Достоверность результатов теста MSB, полученных для каждой из исследуемых групп Нормальный Хронический Легкий Управляет депрессивной болью, ЧМТ NART FSIQ Среднее 108.03 105,03 103,71 98,45 п 29 40 31 51 SD 8,34 8,57 8,03 6,02 Barona et. al FSIQ Среднее 105,63 105,61 106,25 103,74 п 30 41 32 57 SD 7.07 7.12 6.57 6.21 WAIS VIQ Среднее 104,97 103,15 102,28 92,45 п 30 41 32 56 SD 9,36 12,86 11,17 9,87 WAIS PIQ Среднее 107,93 100,22 107,59 96,80 п 30 41 32 55 SD 11,55 13,24 13,04 10,50 WAIS FIQ Среднее 106,53 101,56 105,19 94,18 п 30 41 32 55 SD 8,43 11,04 10,78 9,15

48. Валидность MNB Валидность оценивалась с помощью анализа дискриминантной функции, сравнивающего точки без TBI.с ЧМТ оч. Результат: 96% правильной классификации 99% специфичность Чувствительность 90%

49. Надежность MNB Отражение общеклинического образца, 63 человека со смешанным диагнозом обследовались более одного раза, при первом обследовании не менее 6 мес. пост травмы Некоторые находятся в судебном процессе, но все прошли проверку действительности Описательная группа Возраст: средний = 38,4 года (стандартное отклонение = 22,8) Образование: Среднее значение = 12,2 года (стандартное отклонение = 2,9)

50. Проверка надежности повторного теста 1-й тест: после травмы 21.6 мес. (SD = 22,8) Повторный тест: после травмы 40,7 мес. (SD = 33,2) Время между сеансами: 19.1 мес. (SD = 16,6) от 2 до 91 мес., в среднем 13 мес. Надежность r = 0,86

51. Volbrecht и Meyers (2000) смогли отчасти идентифицировать различные уровни тяжести травмы ЧМТ у пациентов с инсультом с правильной классификацией 71,6%. Большинство ошибочных классификаций было связано с отличием лиц с тяжелыми травмами от пациентов с тяжелым инсультом.

52. Rohling, Meyers и Millis (2003) обнаружили, что продолжительность потери сознания (LOC) у пациентов с черепно-мозговой травмой (TBI) была связана с уровнем ожидаемого когнитивного нарушения, измеренным с помощью общего среднего значения батареи тестов (OTBM. Результаты были почти идентичны тем, которые были представлены Dikmen, Machamer, Winn & Temkin (1995) с использованием расширенной батареи Halstead Reitan. Базовая батарея тестов имела такую ​​же чувствительность, как и более длинный расширенный HRB

53. Проверка внутренней достоверности Meyers, J.Э. и Волбрехт М. Э. (2003). Проверка множественных методов обнаружения недобросовестности в большой клинической выборке, Архив клинической нейропсихологии, 18, 261-276. Другие публикации

54. Проверка внутренней валидности (отсечка 0% FP) Отсечка теста / метода RCFT: MEP <= 3 (1 = Attent, 2 = Encode, 3 = Store, 4 = Retrieve) Надежные цифры <= 6 Принудительный выбор <= 10 JOL <= 12 Тест токена <= 150 Дихотическое слушание обоих <= 9 Повторение предложения <= 9 AVLT-Распознавание <= 9 Расчетное значение FT <= -10

55. Внутренние проверки валидности Всего в исследовании приняли участие 796 участников в возрасте от 16 до 86 лет, с уровнем образования от 5 до 23 лет.

56. Внутренние проверки действительности 15 групп Группы, не участвующие в судебных процессах Группы тяжущихся

57. Проверка внутренней валидности Этот метод показал 83% чувствительность и 100% специфичность. Кроме того, было 0% ложных срабатываний.

58. Действительность нейропсихологических тестов Использовано 9 проверок достоверности (комбинация исследований) Мейерс, Дж.Э. и Волбрехт М. Э. (2003). Проверка множественных методов обнаружения недобросовестности в большой клинической выборке, Архив клинической нейропсихологии, 18, 3, 261-276. Мейерс, Дж. Э. и Дип А. (2000). Оценка симуляции у пациентов с хронической болью с помощью нейропсихологических тестов. Прикладная нейропсихология, 7, 133-139. Мейерс, Дж. Э. и Волбрехт, М. (1999). Обнаружение симулянтов с помощью испытания на распознавание и сложную фигуру Рея. Прикладная нейропсихология, 6, 4, 201-207.Мейерс, Дж. Э., Галинский, А., и Волбрехт, М. (1999). Болезнь и легкая черепно-мозговая травма: насколько низкий – слишком низкий. Прикладная нейропсихология, 6, 208-216. Мейерс, Дж. Э. и Волбрехт, М. (1998). Проверка достоверности цифр для обнаружения симуляции. Оценка, 5, 301-305. Мейерс, Дж. Э., и Моррисон, А. Л., и Миллер, Дж. К. (2001). Еще раз, насколько низко слишком низко: повторение предложения и распознавание AVLT в обнаружении симуляции. (Отправлено в прикладную нейропсихологию).Мейерс, Дж. Э. и Волбрехт, М. Э. (2001). Проверка нескольких методов обнаружения симуляции на большой клинической выборке. (на рассмотрении в Архиве клинической нейропсихологии)

59. Проверки достоверности нейропсихологических тестов

60. Проверки достоверности нейропсихологических тестов

61. Дозовая реакция на TBI

66. Dikmen et al. , (1995) назначили HRB выборке пациентов с ЧМТ. Аналогичные пациенты из МНБ. Во-первых, определите, есть ли степень тяжести и дефицита ЧМТ в зависимости от дозы. Во-вторых, Dikmen et al. результаты можно обобщить на другие образцы TBI? Анализы образца Мейерса повторил Дикмен. Зависимость доза-реакция между LOC и ухудшением, обнаруженная с использованием размеров эффекта для выборки Дикмена, а также с использованием основанных на регрессии нормативных Т-баллов для выборки Мейерса. Оба образца сильно коррелировали друг с другом. Средние баллы для шести групп тяжести LOC для двух выборок привели к коэффициенту корреляции r =.97, р <0,0001. Ответная реакция на дозу ЧМТ

67. Данные КТ / МРТ Демографические данные участника Различные размеры образцов (N = 124) Пол Мужчина 82 Женский 42 Этническая принадлежность Кавказский 119 Прочие 5

68. Диагностические группы КТ / МРТ Размер выборки MVA / TBI 47 Удар в голову 32 LCVA 24 RCVA 21

69. КТ / МРТ Все были правши. Всех сопровождал доктор Мейерс через госпитализацию и реабилитацию. Никто не участвовал в судебных тяжбах. Все прошли внутреннюю проверку на валидность.

70. КТ / МРТ КТ / МРТ Расположение Левая Фронтальная 59 Левая теменная 37 Левая височная 34 Левый затылочный 6 Правая Фронтальная 40 Правая теменная 42 Правая височная 31 Правая затылочная часть 3

71. КТ / МРТ Всем пациентам был проведен MNB Данные КТ / МРТ, закодированные для травмы, сообщенные на МРТ / КТ во время травмы Присутствует = 1 Отсутствует = 0 Некоторые получили травмы более чем в одном месте

72. Мейерс и Ролинг (2009) обнаружили соответствие на 84% с данными КТ / МРТ.

78. КТ / МРТ тесты NP в целом показали себя так, как ожидалось Более системный или предметный подход лучше объясняет результаты Конструкция фронтально-исполнительной функции не поддерживается.

79. Сравнительная база данных Текущая база данных 8000+ Может использоваться для сравнения показателей ваших пациентов с контрольной группой (группами) Дикриминантные функции

80. Сопоставление профиля Посмотрите на форму шаблона, не обязательно на уровень оценок.Подобные условия имеют схожие закономерности Это помогает врачу пройти тест на гипотезу на DX.

81. Типы сходных травм. 2 примера ЧМТ разного уровня травм Гипоиксия угарный газ

83. Общность пониженного содержания O2

84. Дискриминантные функции Отдельные дискриминантные функции также могут помочь клиницисту проверить гипотезу Если это ЧМТ, обычно следует совпадать с группами ЧМТ.Нормальный VS TBI Депрессия VS TBI ПТСР VS ЧМТ И т. Д.

85. Neuronet Может помочь врачу решить, какая модель больше похожа на данные пациентов Объективно соответствует Следует предположить, что данные пациентов являются одной из групп сравнения. Подробнее о Neuronet мы поговорим чуть позже.

86. Интерпретация теста Hypothisis Если это ЧМТ, с чем еще он должен соответствовать? Должен соответствовать другим паттернам TBI Имеют ли смысл данные баллов с учетом заявленных травм. Рассмотрите статью о дозах Шаблон подскажет, в чем проблема.

87. Матрица обода Метод интерпретации Ролинга

88. Шаблон интерпретации сообщает вам, что это такое. OTBM расскажет, насколько это плохо. Баллы по предметным областям показывают, какие функциональные трудности будут у пациента. Индивидуальные тесты подскажут, какие реабилитационные задачи были бы полезны.

89. Обзор Взял ряд известных тестов Разработанные сглаженные нормы Выявленная достоверность, надежность, чувствительность и специфичность.Проверка внутренней действительности и внутренняя непротиворечивость Используется сопоставление с образцом для создания DX. Затем был разработан Neuronet

90. Резюме Мы обсудили: Состав MNB Нормы / выбор тестов и т. Д. Валидность и надежность теста MNB и т. Д. Метод интерпретации Узоры Дискриминантные функции RIM Матрица Нейросетевой анализ (новинка)

91. Анализ нейросетей Д-р Рональд Миллер Университет Бригама Янга – Гавайи Рональд. [email protected]

92. Нейронные сети StatSoft, Inc. (2010). STATISTICA (программный комплекс для анализа данных), версия 9.1. www.statsoft.com. StatSoft, Inc. (2010). Электронный учебник статистики. Талса, хорошо: StatSoft. ВЕБ-САЙТ: http://www.statsoft.com/textbook/.

93. Нейронные сети Нейронные сети обладают замечательной способностью извлекать и извлекать значение, правила и тенденции из сложных, зашумленных и неточных данных. Их можно использовать для извлечения закономерностей и выявления тенденций, которые управляются сложными математическими функциями, которые слишком сложно, если не невозможно, смоделировать с использованием аналитических или параметрических методов.Одна из возможностей нейронных сетей заключается в точном прогнозировании данных, которые не были частью обучающего набора данных, и этот процесс известен как обобщение. Учитывая эти характеристики и их широкую применимость, нейронные сети подходят для приложений реальных проблем в исследованиях и науке, бизнесе и промышленности.

94. Основная математическая модель Схема одиночной нейронной системы.Входы x отправляют сигналы нейрону, в этот момент получается взвешенная сумма сигналов, которая затем преобразуется с использованием математической функции f. Выход = f (w1x1 ++ wnxn) Выходные данные нейрона на самом деле являются предсказаниями модели отдельного нейрона для переменной в наборе данных, которая упоминается как цель t. Считается, что существует взаимосвязь между входами x и целями t, и задача нейронной сети – смоделировать эту взаимосвязь, связывая входы с целями с помощью подходящей математической функции, которую можно узнать из примеров набор данных.

95. Мы стремимся смоделировать или аппроксимировать единственную целевую переменную t как функцию входной переменной x. В параметрических моделях отношение “вход-цель” описывается математической функцией замкнутой формы. Напротив, в непараметрических моделях отношение входных данных к цели регулируется аппроксиматором (например, нейронной сетью), который не может быть представлен стандартной математической функцией. В параметрической модели после выбора математической функции все, что нам нужно сделать, это настроить параметры предполагаемой модели так, чтобы они наилучшим образом аппроксимировали (предсказывали) t с учетом экземпляра x. Напротив, непараметрические модели обычно не делают никаких предположений относительно взаимосвязи x и t. Другими словами, они предполагают, что истинная основная функция, управляющая отношениями между x и t, неизвестна априори, отсюда и термин «черный ящик». Вместо этого они пытаются найти математическую функцию (которая часто не имеет замкнутой формы), которая может достаточно хорошо аппроксимировать представление x и t.Самыми популярными примерами непараметрических моделей являются полиномиальные функции с адаптируемыми параметрами и нейронные сети. Поскольку никакой замкнутой формы для связи между x и t не предполагается, непараметрический метод должен быть достаточно гибким, чтобы иметь возможность моделировать широкий спектр функциональных отношений. Например, чем выше порядок полинома, тем гибче модель. Точно так же, чем больше нейронов в нейронной сети, тем сильнее становится модель.

96. Типичная прямая сеть имеет нейроны, расположенные в отчетливой многоуровневой топологии. Слой ввода вообще не является нейронным: эти блоки просто служат для ввода значений входных переменных. Нейроны скрытого и выходного слоя связаны со всеми блоками предыдущего слоя. Когда сеть выполняется (используется), значения входных переменных помещаются во входные блоки, а затем последовательно выполняются блоки скрытого и выходного уровня. Каждый из них вычисляет свое значение активации, беря взвешенную сумму выходных сигналов блоков предыдущего уровня и вычитая пороговое значение.Значение активации передается через функцию активации для получения выходного сигнала нейрона. Когда вся сеть выполнена, выходы выходного слоя действуют как выходные данные всей сети.

98. После выбора архитектуры нейронной сети, т. Е. Типа нейронной сети, функций активации и т. Д., Оставшиеся настраиваемые параметры модели – это веса, соединяющие входы со скрытыми нейронами и скрытые нейроны с выходными. нейроны.Процесс настройки этих параметров, чтобы сеть могла приблизительно определить базовую функциональную взаимосвязь между входами x и целями t, называется обучением. Именно в этом процессе нейронная сеть учится моделировать данные на примерах. Хотя существуют различные методы обучения нейронных сетей, реализация большинства из них включает числовые алгоритмы, которые могут выполнить задачу за конечное число итераций. Потребность в этих итерационных алгоритмах в основном связана с сильно нелинейным характером моделей нейронных сетей, для которых решение в закрытой форме недоступно большую часть времени.Алгоритм итеративного обучения постепенно регулирует веса нейронной сети так, чтобы для любых заданных входных данных x нейронная сеть могла выдавать выходные данные, максимально приближенные к t. Обучение

99. Обучение Производительность классификации SANN – это процент правильных классификаций. В общем, этот процесс обучения в некоторой степени зашумлен (т.е. сетевые ответы иногда могут быть более точными в предыдущем цикле обучения по сравнению с текущим), но в среднем ошибки уменьшаются в размере по мере улучшения сетевого обучения. Регулировка весов обычно выполняется с помощью алгоритма обучения, который, как и учитель, учит нейронную сеть, как принимать свои веса, чтобы делать более точные прогнозы для каждого набора примеров пары вход-цель в наборе данных. Вышеупомянутые шаги известны как обучение. Алгоритмически это осуществляется с помощью следующей последовательности шагов: Представьте сеть с парой вход-цель. Вычислите прогнозы сети для целей. Используйте функцию ошибок, чтобы вычислить разницу между предсказаниями (выходными данными) сети и целевыми значениями.Продолжайте с шагов 1 и 2, пока все пары вход-цель не будут представлены в сети. Используйте алгоритм обучения, чтобы настроить веса сетей, чтобы он давал лучшие прогнозы для каждой цели ввода. Обратите внимание, что шаги 1–5 образуют один тренировочный цикл или итерацию. Количество циклов, необходимых для обучения модели нейронной сети, не известно как априорное, но может быть определено как часть процесса обучения. Повторяйте шаги с 1 по 5 еще раз для ряда обучающих циклов или итераций, пока сеть не начнет выдавать достаточно точные выходные данные (т. е.е., выходы, которые достаточно близки к целевым значениям с учетом их входных значений). Типичный процесс обучения нейронной сети состоит из 100 циклов.

100. Все функции ошибок, используемые для обучения нейронных сетей, должны обеспечивать своего рода меру расстояния между целями и прогнозами в местоположении входов. Один из распространенных подходов – использование функции ошибок суммы квадратов. В этом случае сеть изучает дискриминантную функцию. Ошибка суммы квадратов просто определяется суммой разностей между целевым и прогнозируемым выходами, определенными для всего обучающего набора.Таким образом: N – количество обучающих примеров, а yi – прогноз (сетевые выходы) целевого значения ti и целевых значений i-го набора данных. Понятно, что чем больше разница между предсказанием сети и целевыми объектами, тем выше значение ошибки, а это означает, что алгоритм обучения требует большей корректировки веса. Функция ошибки суммы квадратов в основном используется для регрессионного анализа, но ее также можно использовать в задачах классификации. Тем не менее, настоящий классификатор нейронной сети должен иметь функцию ошибок, отличную от суммы квадратов, а именно функцию перекрестной энтропии ошибок.Именно с использованием этой функции ошибок вместе с функцией активации вывода softmax мы можем интерпретировать выводы нейронной сети как вероятности принадлежности к классу. Функция кросс-энтропийной ошибки определяется выражением: который предполагает, что целевые переменные определяются полиномиальным распределением. Это контрастирует с ошибкой суммы квадратов, которая моделирует распределение целей как нормальную функцию плотности вероятности. ПРИМЕЧАНИЕ. Ошибка обучения для регрессии рассчитывается из суммы ошибок квадратов, определенных для обучающего набора.Однако расчет выполняется с использованием предварительно обработанных целей (с масштабированием от 0 до 1). Точно так же меры ошибок тестирования и валидации определяются как сумма квадратов отдельных ошибок, определенных для выборки теста и валидации, соответственно. Обратите внимание, что SANN также рассчитывает коэффициенты корреляции для образцов поездов, тестов и проверок. Эти количества рассчитываются для исходных (немасштабированных) целей. С другой стороны, для задач классификации SANN использует кросс-энтропийную ошибку (см. Выше) для обучения нейронных сетей, но критерии выбора для оценки лучшей сети фактически основаны на коэффициент классификации, который можно легко интерпретировать по сравнению с функцией ошибок, основанной на энтропии.Обучение

101. Черный ящик В традиционных подходах к моделированию (например, линейное моделирование) можно алгоритмически определить конфигурацию модели, которая полностью минимизирует эту ошибку. Цена, уплаченная за большую (нелинейную) мощность моделирования нейронных сетей, состоит в том, что, хотя мы можем настроить сеть, чтобы снизить ее ошибку, мы никогда не можем быть уверены, что ошибка не может быть еще ниже. Полезной концепцией здесь является поверхность ошибки. В линейной модели с функцией квадрата суммы ошибок эта поверхность ошибки представляет собой параболу (квадратичную), что означает, что это гладкая чаша с одним минимумом. Поэтому найти минимум «легко». Поверхности ошибок нейронной сети намного сложнее и характеризуются рядом бесполезных особенностей, таких как локальные минимумы (которые ниже, чем окружающая местность, но выше глобального минимума), плоские пятна и плато, седловые точки и длинные узкие овраги. Невозможно аналитически определить, где находится глобальный минимум поверхности ошибки, поэтому обучение нейронной сети, по сути, является исследованием поверхности ошибки.Из первоначально случайной конфигурации весов и пороговых значений (т. Е. Случайной точки на поверхности ошибки) алгоритмы обучения постепенно ищут глобальный минимум. Обычно градиент (наклон) поверхности ошибки вычисляется в текущей точке и используется для движения под уклон. В конце концов, алгоритм останавливается на нижней точке, которая может быть локальным минимумом (но, надеюсь, глобальным минимумом).

102. Обучение Нейронные сети – это очень нелинейные инструменты, которые обычно обучаются с использованием итерационных методов. Наиболее рекомендуемые методы обучения нейронных сетей – это алгоритмы BFGS (Бройдена-Флетчера-Голдфарба-Шанно) и масштабированного сопряженного градиента (см. Bishop 1995). Эти методы работают значительно лучше, чем более традиционные алгоритмы, такие как Gradient Descent, но они, вообще говоря, требуют большего объема памяти и вычислительной мощности. Тем не менее, эти методы могут потребовать меньшего количества итераций для обучения нейронной сети, учитывая их высокую скорость сходимости и более интеллектуальный критерий поиска.

103. Оценка Существует несколько методов борьбы с проблемой переобучения и решения проблемы обобщения. Самые популярные из них предполагают использование тестовых данных. Тестовые данные – это отложенная выборка, которая никогда не будет использоваться при обучении. Вместо этого он будет использоваться как средство проверки того, насколько хорошо сеть продвигается в моделировании отношения ввода-цели по мере продолжения обучения. Большая часть работ по оценке производительности нейронного моделирования сосредоточена на подходах к тестовым данным. Нейронная сеть оптимизируется с помощью обучающего набора. Отдельный набор тестов используется для остановки обучения с целью уменьшения переобучения. Процесс остановки обучения нейронной сети для предотвращения переобучения и улучшения способности к обобщению известен как ранняя остановка. Этот метод немного изменяет алгоритм обучения, чтобы: 1. Представьте сеть с парой вход-цель из обучающей выборки. 2. Вычислить прогнозы сети для целей. 3. Используйте функцию ошибок, чтобы вычислить разницу между предсказаниями (выходными данными) сети и целевыми значениями.4. Продолжайте шаги 1 и 2, пока все пары вход-цель из обучающего набора не будут представлены в сети. 5. Используйте алгоритм обучения, чтобы настроить веса сетей, чтобы он давал лучшие прогнозы для каждой входной цели. 6. Передайте весь набор тестов в сеть, сделайте прогнозы и вычислите значение ошибки тестирования сети. 7. Сравните ошибку теста с ошибкой предыдущей итерации. Если ошибка продолжает уменьшаться, продолжайте обучение; в противном случае прекратите тренировку. Обратите внимание, что количество циклов, необходимых для обучения модели нейронной сети с тестовыми данными и ранней остановкой, может варьироваться. Теоретически мы могли бы продолжать обучать сеть столько циклов, сколько необходимо, до тех пор, пока ошибка теста будет уменьшаться. Данные валидации Иногда тестовые данные сами по себе не могут быть достаточным доказательством хорошей обобщающей способности обученной нейронной сети. Например, хорошая производительность на тестовом образце на самом деле может быть просто совпадением. Чтобы убедиться, что это не так, часто используется другой набор данных, известный как образец проверки.Как и тестовая выборка, валидационная выборка никогда не используется для обучения нейронной сети. Вместо этого он используется в конце обучения в качестве дополнительной проверки производительности модели. Если производительность сети оказалась стабильно хорошей как на тестовой, так и на проверочной выборке, то разумно предположить, что сеть хорошо обобщается на невидимых данных.

104 Что мы сделали N = 834 Собран на Среднем Западе Использование методов интерпретации MNB Демография групп следующий слайд

106. Демографическая характеристика

107. В сочетании Пришлось объединить Депрессия Беспокойство ПК Нормальное управление В единую группу, поскольку Neuronet определила эти группы как похожие и не поддающиеся различению. Ничего необычного. Хотя в большинстве случаев достаточно 20 алгоритмов для сравнения, мы изучили 200 для этого анализа и выбрали лучший.Был проведен дальнейший анализ нейронной сети, сравнив один миллион алгоритмов, но ни один из них не улучшил лучшие из 200 ранее упомянутых алгоритмов.

109. Результаты нейросети Анализ сети проводился в двух частях. Сначала было создание сети на основе случайного выбора 80% данных, а затем этап проверки, на котором сеть проверялась на оставшихся 20% данных для определения точности алгоритмов. По тренировочному исполнению точность составила 94. 42%. Алгоритм MLP 94-19-4 обеспечил точность 87,76% на этапе проверки.

110. Наши результаты SEwe

112. Результаты нейросети Наилучшая нейронная сеть была создана с использованием многослойной нейронной сети персептрона с 94 входами, 19 скрытыми слоями и 4 выходами (MLP 94-19-4 ). В то время как алгоритмы Scaled Conjugate и Gradient Descent были включены в сравнение, алгоритмом обучения для наиболее успешной из нейронных сетей был алгоритм Бройдена-Флетчера-Голдфарба-Шанно (BFGS) в 31-й итерации, который является одним из наиболее рекомендуемых алгоритмов. для создания нейронной сети (Bishop, 1995), поскольку для завершения обучения сети требуется несколько итераций.Созданная сеть имеет функцию гиперболического тангенса, используемую для активации скрытых и выходных блоков.

113. Краткое изложение того, что мы сделали Набор данных Нейросетевой анализ 80% случаев произвольно выбранный алгоритм 20% случаев формируют первую валидацию – 94% правильная классификация в целом

114. Заключение Нейронная сеть показала точность более 90% в этом испытании. Два других испытания нейросети с новыми участниками показали точность 90% или выше. В целом, этот тест оказался успешным

115. Использование нейросетевого анализа в казармах Шофилд Доктор Чад Гриллс. Кандидат наук. Казармы Шофилд, Гавайи [email protected]

116. Заявление об ограничении ответственности Мнения, выраженные в этой презентации, принадлежат автору и не отражают официальную политику или позицию Министерства армии, Министерства обороны или правительства США. .

117. Фокус проекта Определите точность определения конкретного диагноза, подтвержденную нейросетевым анализом.

118. Процесс рассмотрения проекта 100 последовательных направлений на оценку TBI Активная военная служба Все ранее развернутые Все были обследованы нейропсихологически из-за жалоб на когнитивные функции. Использованы штатные методы интерпретации MNB. Диагноз был установлен без учета результатов нейросетевого анализа. Рассмотрены только те диаграммы с DX: TBI, PTSD, Malingering / Response Bias или Other (Dep / Anxiety / Normal / PCS). Если DX был LD, ADD, апноэ во сне и т. Д., То не включен, поскольку не включен в Neuronet.

119. Средняя численность солдат Возраст 29,3 (+6,87) года Ed 12,36 (+1,4) года 92 правша, 8 левша 5 женщин, 95 мужчин Этническая принадлежность: AA = 13, Ca = 63, азиат = 5, Hisp = 14, выходец с островов Тихого океана = 5

120. Классификация диагнозов

121. Классификация диагнозов Правильная классификация Общий процент: 90% Результаты похожие на: Meyers и Rohling (2004) показали 96,1% правильной классификации дискриминантной функции легкой ЧМТ по сравнению с группой нормальных пациентов из контрольной группы, пациентов с депрессией и хронической болью.

122. Выводы Используя стандартную систему интерпретации MNB, мы согласны в 90% случаев Или Нейросеть на 90% точна по сравнению с клиницистом в военном населении

123.