CN108133736A - 一种自适应性认知功能评估方法及*** - Google Patents
一种自适应性认知功能评估方法及*** Download PDFInfo
- Publication number
- CN108133736A CN108133736A CN201711430461.2A CN201711430461A CN108133736A CN 108133736 A CN108133736 A CN 108133736A CN 201711430461 A CN201711430461 A CN 201711430461A CN 108133736 A CN108133736 A CN 108133736A
- Authority
- CN
- China
- Prior art keywords
- test
- ability
- cognitive function
- cognitive
- adaptivity
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种自适应性认知功能评估方法及***。本发明通过采集调查对象的认知功能数据，建立基础数据库，并基于基础数据库分析单项认知测验的特征参数并构建认知评估项目题库，进一步基于题库及特征参数，根据被试者已完成项目的应答情况，即时计算当前的认知能力值和信息量，并基于这些数据即时反馈，自动选择最适合被试能力的项目施测，直到被试的认知能力被精确估计。本发明的方法能够实现自适应性计算机化认知障碍筛查和评估，可以应用于社区机构、居家自我测试。自适应性因人施测，快捷、客观和精确评估认知功能水平和认知障碍的程度。
Description
技术领域
本发明涉及医学技术领域，具体涉及一种自适应性认知功能评估方法及***。
背景技术
认知障碍筛查和功能评估是协助诊断老年痴呆的关键方法。目前在国内外广泛应用的方式为：
1、用纸-笔方式操作为主，需要专业的评估师和受试者面对面评估，测试场地局限在医疗机构，完成测试依赖受培训的专业人员；
2、基层医护人员缺乏如何选择和操作量表的技能；
3、结果的判断依赖标准化的常模和受培训的神经心理评估师或专家解读；
4、现行的评测方式复杂耗时，依赖的常模过时(10年前制定)或部分量表缺乏常模，只凭简单的分数阈值界定是否痴呆，准确性、敏感性和效率性低，专业化依赖性强；
5、认知障碍的社区筛查是早期识别认知障碍的重要手段，由于上述认知障碍筛查和评估方法的局限性，目前缺乏适用于社区非专业机构(如养老机构和社工机构)和社区居民自我评测的有效手段，导致认知障碍筛查和评估无法在社区和基层卫生机构普及和推广，严重阻碍了早期识别老年痴呆；
6、目前已有些技术将常用的认知评估量表提升为计算机化测试，但只简单地把纸-笔方式的版本转为电子化方式，结果输出为原始分为主，部分技术即使建立了标准化分数的转换方法，但由于缺乏大样本的健康人群基础数据，无法实现精确、标准量化认知功能的水平及认知障碍程度；
7、现行的纸-笔或电子化的认知量表无法提供反应测试潜在特征的难度和区分度等特征参数，多种量表间存在交叉重复，导致测试负担重、效率和精度低；
上述的测评方式需执行某个特定量表的全部题目，甚至多个量表，评估过程复杂耗时。而且，在准确、客观地评价被试能力方面存在不足,无法根据个人能力和测评过程实现自适应性的“因人施测”。
发明内容
本发明主要解决的技术问题是认知评估专业化依赖性强、社区应用性难、测量精度低、复杂耗时的问题。
为解决上述技术问题，本发明采用的一个技术方案是：提供一种自适应性认知功能评估方法，所述方法包括：采集调查对象的认知功能和健康数据，构建基础数据库；基于所述基础数据库，分析单项认知测验的特征参数并构建认知评估项目题库，所述认知评估项目题库至少包括认知功能自测量表、简易精神状态量表、蒙特利尔认知功能评估量表以及各维度认知功能表；接收测试者单项测验并计算测试参数，基于所述测试参数自动反馈出题；基于所述测试者所有测验结果计算得到所述测试者的认知能力评估结果；基于认知结果和健康数据输出认知诊断报告。
其中，所述接收测试者单项测验并计算测试参数，基于所述测试参数调整应答分数和下一项选题包括：首先接受测试者初始能力评估11道题测验并通过以下公式计算得到测试参数：其中，x为答对的题数，当所有都答对或者所有都答错时，θ分别取能力初始值为+3或-3；采用最大信息量法选择能力精估阶段测验选题。
其中，所述采用最大信息法选择能力精估阶段测验选题包括：Ii为题目第i题的信息量计算值,θ代表测试者的认知能力值，bi代表第i题的难度系数，表示题目的难度，e为自然对数，约等于2.718。
其中，采用最大信息法选择能力精估阶段测验选题之前，通过以下公式对于能力初始值进行N-R迭代：采用双参数Logisitic模型作为项目反映模型：其中，Pi(θ)代表能力为θ的受试者答对第i题的概率；其中D＝1.7，为常数，代表受试者的认知能力值；b代表难度系数，表示题目的难度；e为自然对数，约等于2.718；
以牛顿-拉夫逊迭代方法进行能力初始值评估：
其中，θk+1为施测题目的能力值，θk代表前一个测试完成后取得的能力值，它是对数似然函数的一阶导，它是对数似然函数的二阶导，重复以上迭代过程，直到得到θ的极大似然估计值。
其中，所述简易精神状态量表包括时间定向力、地点定向力、语言即刻记忆、注意力和计算力、短时记忆力、物体命名、语言复述、三步命令测试、阅读理解、语言表达、交叉五边形复制。
其中，所述蒙特利尔认知功能评估量表包括命名、注意力、语言、抽象、延迟回忆、视知觉图片、零钱计算、命名水果；
所述各维度功能认知表包括听觉词语学习测试、复杂图形测验、色词测验、符合数字转换测验、数字广度、词语流畅性、连线测验、波士顿命名测验以及画钟测验。
其中，所述采集调查对象的认知功能和健康数据，构建基础数据库包括：采集调查对象的个人基本信息、疾病史和生活方式、认知障碍诊断、认知筛查和评估各量表的各分项目和总分，构建基础数据库。
其中，所述方法还包括：当标准误SE<0.3时，自动终止测验，其中 为所有已经完成测试题的信息量Ii(θ)的总和。
为解决上述技术问题，本发明提供的另一个技术方案是，提供一种自适应性认知功能评估***，所述***包括第一构建模块、第二构建模块、测试模块以及评估模块，其中：所述第一构建模块用于采集调查对象的认知功能和健康数据，构建基础数据库；所述第二构建模块用于基于所述基础数据库，分析单项认知测验的特征参数并构建认知评估项目题库，所述认知评估项目题库至少包括认知能力自测量表、简易精神状态量表、蒙特利尔认知功能评估量表以及各维度认知功能表；所述测试模块用于接收测试者单项测验并计算测试参数，基于所述测试参数自动反馈出题；所述评估模块用于基于所述测试者所有测试结果计算得到所述测试者的认知能力评估结果。基于认知结果和健康数据输出认知诊断报告。
为解决上述技术问题，提供的还有一种技术方案是提供一种自适应性认知功能评估***，自适应性认知功能评估***包括处理器、存储器及其存储的指令，所述处理器直行所述指令时实现上述方法的步骤。
本发明的有益效果是：区别于现有技术的情况，本发明通过构建基础数据库，并基于基础数据库分析单项认知测验的特征参数并构建认知评估项目题库，进一步基于题库及特征参数，根据被试者已完成项目的应答情况，即时计算当前的认知能力值和信息量，并基于这些数据即时反馈，自动选择最适合被试能力的项目施测，直到被试的认知能力被精确估计。本发明的方法能够实现自适应性计算机化认知障碍筛查和评估，可以应用于社区机构、居家自我测试。自适应性因人施测，快捷、客观和精确评估认知功能水平和认知障碍的程度。
附图说明
图1是本发明自适应性认知功能评估方法的流程示意图；
图2是本发明自适应测试探查阶段其中题目示意；
图3是本发明蒙特利尔认知功能评估量表其中题目示意；
图4是本发明自适应测试精估阶段其中题目示意；
图5是本发明自适应测试认知结果输出示意；
图6是本发明自适应测试过程测试能力值和标准误(SE)参数示意；
图7是本发明一种自适应性认知功能评估***的结构示意图；
图8是本发明另一种自适应性认知功能评估***的结构示意图。
具体实施方式
参阅图1，图1是本发明实施例提供的一种自适应性认知功能评估方法的流程示意图，如图所示，本实施例的一种自适应性认知功能评估方法包括以下步骤：
S101：采集调查对象的认知功能和健康数据，构建基础数据库。
在本发明的具体实现中，招募60岁以上老年人2027人，其中健康老年人1213例，轻度认知障碍和符合痴呆综合征诊断老年人356例和458例，进行认知功能筛查和评估和相关人口学资料、疾病信息调查。
调查对象接受全面的认知障碍筛查、评估以及其他健康资料调查，调查对象进行采取统一问卷、统一测试和评判标准，对调查对象实施面对面调查和测试评估。
调查内容包括：人口与社会学特征：性别、年龄、文化程度、职业等；3)疾病史和和生活方式，包括心血管史、神经***疾病史、其他心脑血管危险因素和脑外伤等。4)认知功能筛查和其他神经心理学评估：认知功能自测量表、简易精神状态量表、蒙特利尔认知功能评估量表基础版、日常生活能力量表、老年抑郁量表。5)多认知域功能评估：采用听觉词语学***。
认知障碍的诊断：由神经内科接受认知障碍临床诊断培训的医师共同讨论，结合病史和辅助检查进行认知障碍的诊断，诊断类型包括轻度认知障碍和痴呆。
对调查结果进行人工录入和电子阅卷设备，录入调查问卷和评估结果，建立基础数据库。
基础数据库共纳入2516例本地社区居民的人口学基本信息、疾病史和生活方式、认知障碍诊断、认知筛查和评估各量表的分项目和总分。由此构建了建立了大样本老年认知功能障碍人群的的功能状况、疾病风险因素，为构建在线自适应性计算机化认知障碍筛查评估***奠定基础。
S102：基于基础数据库，分析单项认知测验的特征参数并构建认知评估项目题库。
其中，认知评估项目题库至少包括认知功能自测量表、简易精神状态量表、蒙特利尔认知功能评估量表以及各维度认知功能量表等。
具体实现时，简易精神状态量表包括时间定向力、地点定向力、语言即刻记忆、注意力和计算力、短时记忆力、物体命名、语言复述、三步命令测试、阅读理解、语言表达、交叉五边形复制。
蒙特利尔认知功能评估量表包括命名、注意力、语言、抽象、延迟回忆、视知觉图片、零钱计算、命名水果。
维度认知功能量表包括：听觉词语学习(AVLT)测试、Rey-Osterrieth复杂图形测验、Stroop色词测验、符合数字转换测验(SDMT)、数字广度、词语流畅性、连线测验、波士顿命名测验和画钟测验等。
基于基础数据，对认知量表各单项目分解维度，包括一般功能、记忆、视空间、执行能力、计算能力、语言能力、注意能力等多种维度；进一步进行所有单项目的选项排序调整；再确定各单项目的特征参数包括难度值和区分度等；最后基于难度和选项排序、能力分值等距性调整和人口学因素校正等，优化和筛选合适的项目，最终建立认知功能评估题库。
S103：接收测试者单项测验并计算测试参数，基于测试参数自动反馈出题。
其中，这里的测试参数具体可以是难度值、信息量和其他的数据。
具体地，接受测试者单项测验完成后，即时计算当前的认知能力值和信息量，并基于这些数据即时反馈，自动选择最适合被试能力的项目施测，直到被试的认知能力被精确估计。
其中，初始能力评估阶段为初步估计受试者认知能力，所有受试者必须完成该阶段，获得初步估计的能力水平后才能实施精估阶段的测试。在本阶段设计以下步骤执行题目测试：MMSE三个词的即刻记忆—画钟测验—MMSE三个词回忆。
首先，接受测试者初始能力评估11道题测验并通过以下公式计算得到测试参数：其中，x为答对的题数，当所有都答对或者所有都答错时，θ分别取能力初始值为+3或-3，采用最大信息量法选择能力精估阶段测验选题。
比如如图2所示，图2是初始能力评估测验阶段简易精神状态量表其中题库示意，在初始能力评估测验阶段还包括画钟测验，在初始能力评估测验阶段总共有11道题，完成后结束初始能力评估阶段，并根据上述公式不同方式计算测试者的能力初始值。
其中，采用最大信息法选择能力精估阶段测验选题包括：
Ii为题目第i题的信息量计算值,θ代表测试者的认知能力值，bi代表第i题的难度系数，表示题目的难度，e为自然对数，约等于2.718。
作为一种优选，采用最大信息法选择能力精估阶段测验选题之前，通过以下公式对于能力初始值进行N-R迭代：
采用双参数Logisitic模型作为项目反映模型：
其中，Pi(θ)代表能力为θ的受试者答对第i题的概率；其中D＝1.7，为常数，代表受试者的认知能力值；b代表难度系数，表示题目的难度；e为自然对数，约等于2.718，
以牛顿-拉夫逊迭代方法进行能力初始值评估：
其中，θk+1为施测题目的能力值，θk代表前一个测试完成后取得的能力值，它是对数似然函数的一阶导，它是对数似然函数的二阶导，重复以上迭代过程，直到得到θ的极大似然估计值。
S104：基于测试者所有测验结果计算得到测试者的认知能力评估结果。
这里的评估结果是指认知能力值和测试信息参数。
本发明基于测试者的测试输入，自动评估认知功能是否达到异常水平及严重程度分级，统计量表总分、反应不同认知域的因子分数，评判是否存在不同状态的认知障碍(正常、轻度认知障碍、严重认知障碍或痴呆等)。自动生成评测报告。
其中，在本发明中，还设计了自动终止测验规则，预设标准误小于0.3时，自动终止测验。具体根据来实现自动终止，为所有已经完成测试题的信息量Ii(θ)的总和。
本发明的方法融合现代心理学理论和计算机化自适应技术，结果反映受试者能力水平，分数标准化和定量化，不同个体间可比较，自动评判是否异常。可更准确、更客观和更快捷评估认知功能水平和痴呆风险。自动选择题目和评分，智能化、自动化调整与受试者的能力匹配题目，即“因人施测、量体裁衣、即时答题、即时评判、不断求精”，最终获得对测试者认知能力的准确估计。与传统的测试方式相比，测试效率和精确度提高。
另外，本发明进一步提供了本发明的方法的信效度和效率的验证：
对本发明的方法进行了内部一致性、重测信度检验，研究其信效度。结果本发明的方法的Cronbach’sα为0.956。1个月后随机抽样100人进行重测，重测信度Pearson相关系数为0.853。
效标效度：将本发明方法测试的能力值与原测试(MMSE、MoCA、画钟测验)的各量表总分进行相关分析，结果显示原各测试量表与***测试结果显著相关，MMSE相关系数为0.852(P<0.01)，MoCA为0.876(P<0.01)，画钟测验为0.0792(P<0.01)。
区分效度：本发明的方法鉴别认知正常者与痴呆患者的AUC＝0.92，敏感度为89.7％，特异度为88.0％。认知正常者和轻度认知障碍者AUC＝0.89，敏感度为88.9％，特异度为79.0％。
本发明的方法与传统纸笔原测试(MMSE、MoCA、画钟测验)的相关系数为0.792-0.876。本发明的方法与原测试比较，平均使用题目数为6.58，测试题数减少35.6％，时间效率节省了27.25％。
以上本发明自适应性认知功能评估方法的详细说明，可以理解，本发明通过采集调查对象的认知功能数据，建立基础数据库，并基于基础数据库分析单项认知测验的特征参数并构建认知评估项目题库，进一步基于题库及特征参数，根据被试者已完成项目的应答情况，即时计算当前的认知能力值和信息量，并基于这些数据即时反馈，自动选择最适合被试能力的项目施测，直到被试的认知能力被精确估计。本发明的方法能够实现自适应性计算机化认知障碍筛查和评估，可以应用于社区机构、居家自我测试。自适应性因人施测，快捷、客观和精确评估认知功能水平和认知障碍的程度。
其中，请参阅图7，图7是本发明实施例提供的一种自适应性认知功能评估***的结构示意图，本发明的自适应性认知功能评估***100包括第一构建模块11、第二构建模块12、测试模块13以及评估模块14，其中：
第一构建模块11用于采集调查对象的认知功能调查数据，构建基础数据库；
招募60岁以上老年人2027人，其中健康老年人1213例，轻度认知障碍和符合痴呆综合征诊断老年人356例和458例，进行认知功能筛查和评估和相关人口学资料、疾病信息调查。
调查对象接受全面的认知障碍筛查、评估以及其他健康资料调查，调查对象进行采取统一问卷、统一测试和评判标准，对调查对象实施面对面调查和测试评估。
调查内容包括：人口与社会学特征：性别、年龄、文化程度、职业等；3)疾病史和和生活方式，包括心血管史、神经***疾病史、其他心脑血管危险因素和脑外伤等。4)认知功能筛查和其他神经心理学评估：认知功能自测量表、简易精神状态量表、蒙特利尔认知功能评估量表基础版、日常生活能力量表、老年抑郁量表。5)多认知域功能评估：采用听觉词语学***。
认知障碍的诊断：有神经内科课题组接受认知障碍临床诊断培训的医师共同讨论，结合病史和辅助检查进行认知障碍的诊断，诊断类型包括轻度认知障碍和痴呆。
对调查结果进行人工录入和电子阅卷设备，录入调查问卷和评估结果，建立基础数据库。
基础数据库共纳入2516例本地社区居民的人口学基本信息、疾病史和生活方式、认知障碍诊断、认知筛查和评估各量表的分项目和总分。由此构建了建立了大样本老年认知功能障碍人群的的功能状况、疾病风险因素，为构建在线自适应性计算机化认知障碍筛查和评估项目题库奠定基础。
第二构建模块12用于基于基础数据库，分析单项认知测验的特征参数并构建认知评估项目题库，认知评估项目题库至少包括认知功能自测量表、简易精神状态量表、蒙特利尔认知功能评估量表以及各维度认知功能量表等。
具体实现时，简易精神状态量表包括时间定向力、地点定向力、语言即刻记忆、注意力和计算力、短时记忆力、物体命名、语言复述、三步命令测试、阅读理解、语言表达、交叉五边形复制。
蒙特利尔认知功能评估量表包括命名、注意力、语言、抽象、延迟回忆、视知觉图片、零钱计算、命名水果。
维度认知功能量表包括：听觉词语学习(AVLT)测试、Rey-Osterrieth复杂图形测验、Stroop色词测验、符合数字转换测验(SDMT)、数字广度、词语流畅性、连线测验、波士顿命名测验和画钟测验。
测试模块13用于接收测试者单项测验并计算测试参数，基于所述测试参数自动反馈出题。
具体地，测试模块13接受测试者单项测验完成后，即时计算当前的认知能力值和信息量，并基于这些数据即时反馈，自动选择最适合被试能力的项目施测，直到被试的认知能力被精确估计。
其中，初始能力评估阶段为初步估计受试者认知能力，所有受试者必须完成该阶段，获得初步估计的能力水平后才能实施精估阶段的测试。在本阶段设计以下步骤执行题目测试：MMSE三个词的即刻记忆—画钟测验—MMSE三个词回忆。
首先，接受测试者初始能力评估11道题测验并通过以下公式计算得到测试参数：其中，x为答对的题数，当所有都答对或者所有都答错时，θ分别取能力初始值为+3或-3，采用最大信息量法选择能力精估阶段测验选题。
在初始能力评估测验阶段还包括画钟测验，在初始能力评估测验阶段总共有11道题，完成后结束初始能力评估阶段，并根据上述公式不同方式计算测试者的能力初始值。
其中，采用最大信息法选择能力精估阶段测验选题包括：
作为一种优选，采用最大信息法选择能力精估阶段测验选题之前，通过以下公式对于能力初始值进行N-R迭代：
采用双参数Logisitic模型作为项目反映模型：
其中，Pi(θ)代表能力为θ的受试者答对第i题的概率；其中D＝1.7，为常数，代表受试者的认知能力值；b代表难度系数，表示题目的难度；e为自然对数，约等于2.718，
以牛顿-拉夫逊迭代方法进行能力初始值评估：
其中，θk+1为施测题目的能力值，θk代表前一个测试完成后取得的能力值，它是对数似然函数的一阶导，它是对数似然函数的二阶导，重复以上迭代过程，直到得到θ的极大似然估计值。
评估模块14用于基于测试中所有测试结果计算得到测试者的认知能力评估结果。基于认知结果和健康数据输出认知诊断报告。
这里的评估结果是指认知能力值和测试信息参数。
认知诊断报告的具体实现：基于测试者的测试结果信息输入和基础数据库信息(疾病史、生活方式和认知障碍诊断等)，建立认知障碍和严重程度分级的判别模型，自动生成认知诊断报告，包括上述认知能力参数、自动评估认知功能是否达到异常水平及严重程度分级，统计量表总分、反应不同认知域的因子分数等，评判是否存在不同状态的认知障碍(正常、轻度认知障碍、严重认知障碍或痴呆等)。模块通过测评采集的新增测试数据统计分析，更新判别模型。
更进一步地，本发明另一实施例提供另一种自适应性认知功能评估***，请参阅图8，图8是本发明另一实施例提供的自适应性认知功能评估***200包括处理器201、存储器202以及存储在存储器202上的指令。
可选的是，处理器201可以是CPU(Central Processing Unit，中央处理单元)。也可以是一种集成电路芯片，具有计算(包括判断)和控制能力，处理器201还可以是通用处理器、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或其他可编程逻辑器件、分立门或晶体管逻辑器件，或者分立硬件组件等，在此不作具体限定。通用处理器可以是微处理器或者任何常规的处理器等。
处理器201用于采集调查对象的认知功能调查数据，构建基础数据库，基于基础数据库，构建认知评估项目题库，接受测试者单项测验完成后，即时计算当前的认知能力值和信息量，并基于这些数据即时反馈，自动选择最适合被试能力的项目施测，直到被试的认知能力被精确估计。
基于测试者所有测试结构计算得到测试者的认知能值和其他测试信息参数。
存储器202，可用于存储***数据，这些***数据包括所述基础数据库、认知评估项目题库；存储器202还用于存储指令，当存储器202存储的指令203在被处理器201读取并执行时，实现上述自适应性认知功能评估方法的步骤。从自适应性认知功能评估***200组成的层次结构而言，自适应性认知功能评估***200的指令分为微指令，机器指令和宏指令，其中，微指令是微程序级的命令，属于硬件；宏指令是由若干条机器指令组成的软件指令，属于软件；机器指令，介于微指令和宏指令之间，通常简称为指令，每一条指令可以完成一个独立的算术运算或逻辑运算操作等，如上也在某种程度上说明了在智能终端***(例如计算机***)中，软件和硬件没有明确的界限，软件实现的功能可以用硬件来实现(硬化)；硬件实现的功能也可以用软件来实现(软化)，如常用播放软件代替视频卡。
程序即服务器可以识别运行的指令集合，因此服务器还可包括程序，程序又可包括***程序和应用程序，程序可以是后台服务。***程序可用于将动态解析映射自主控制的***200连接到网络，还可用于配置动态解析映射自主控制的***200的通知栏；还可用于监听动态解析映射自主控制的***200的通知栏；还可用于获取接收到的请求和消息等。应用程序可用于搭建交互平台，并接收交互信息。
针对处理器201的具体功能实现请参阅上述方法实施例的详细说明，在此不再赘述。
上述本发明自适应性认知功能评估方法和***，通过采集调查对象的认知功能调查数据，建立基础数据库，并基于基础数据库构建认知评估项目题库，接受测试者单项测验完成后，即时计算当前的认知能力值和信息量，并基于这些数据即时反馈，自动选择最适合被试能力的项目施测，直到被试的认知能力被精确估计。基于测试者所有测试结构计算得到测试者的认知能值和其他测试信息参数。
本发明的方法能够实现自适应性计算机化认知障碍筛查和评估，可以应用于社区机构、居家自我测试，自适应性因人施测，快捷、客观和精确评估认知功能水平和认知障碍的风险程度。
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种自适应性认知功能评估方法，其特征在于，所述方法包括：
采集调查对象的认知功能和健康数据，构建基础数据库；
基于所述基础数据库，分析单项认知测验的特征参数并构建认知评估项目题库，所述认知评估项目题库至少包括认知能力自测量表、简易精神状态量表、蒙特利尔认知功能评估量表以及各维度认知功能表；
接收测试者单项测验并计算测试参数，基于所述测试参数自动反馈出题；
基于所述测试者所有测验结果计算得到所述测试者的认知能力评估结果。
2.根据权利要求1所述的自适应性认知功能评估方法，其特征在于，所述接收测试者单项测验并计算测试参数，基于所述测试参数调整应答分数和下一项选题包括：
首先接收测试者初始能力评估11道题测验并通过以下公式计算得到测试参数：其中，x为答对的题数，当所有都答对或者所有都答错时，θ分别取能力初始值为+3或-3；
采用最大信息量法选择能力精估阶段测验选题。
3.根据权利要求2所述的自适应性认知功能评估方法，其特征在于，所述采用最大信息法选择能力精估阶段测验选题包括：
Ii为题目第i题的信息量计算值,θ代表测试者的认知能力值，bi代表第i题的难度系数，表示题目的难度，e为自然对数，约等于2.718。
4.根据权利要求2所述的自适应认知功能评估方法，其特征在于，采用最大信息法选择能力精估阶段测验选题之前，通过以下公式对于能力初始值进行N-R迭代：
采用双参数Logisitic模型作为项目反映模型：
其中，Pi(θ)代表能力为θ的受试者答对第i题的概率；其中D＝1.7，为常数，代表受试者的认知能力值；b代表难度系数，表示题目的难度；e为自然对数，约等于2.718；
以牛顿-拉夫逊迭代方法进行能力初始值评估：
其中，θk+1为施测题目的能力值，θk代表前一个测试完成后取得的能力值，它是对数似然函数的一阶导，它是对数似然函数的二阶导，重复以上迭代过程，直到得到θ的极大似然估计值。
5.根据权利要求1所述的自适应性认知功能评估方法，其特征在于，所述简易精神状态量表包括时间定向力、地点定向力、语言即刻记忆、注意力和计算力、短时记忆力、物体命名、语言复述、三步命令测试、阅读理解、语言表达、交叉五边形复制。
6.根据权利要求1所述的自适应性认知功能评估方法，其特征在于，所述蒙特利尔认知功能评估量表包括命名、注意力、语言、抽象、延迟回忆、视知觉图片、零钱计算、命名水果；所述各维度功能认知表包括听觉词语学习测试、复杂图形测验、色词测验、符合数字转换测验、数字广度、词语流畅性、连线测验、波士顿命名测验以及画钟测验。
7.根据权利要求1所述的自适应性认知功能评估方法，其特征在于，所述采集调查对象的认知功能调查数据，构建基础数据库包括：
采集调查对象的个人基本信息、疾病史和生活方式、认知障碍诊断、认知筛查和评估各量表的各分项目和总分，构建基础数据库。
8.根据权利要求1所述的自适应性认知功能评估方法，其特征在于，所述方法还包括：当标准误SE<0.3时，自动终止测验，其中， 为所有已经完成测试题的信息量Ii(θ)的总和。
9.一种自适应性认知功能评估***，其特征在于，所述***包括第一构建模块、第二构建模块、测试模块以及评估模块，其中：
所述第一构建模块用于采集调查对象的认知功能和健康数据，构建基础数据库；
所述第二构建模块用于基于所述基础数据库，分析单项认知测验的特征参数并构建认知评估项目题库，所述认知评估项目题库至少包括认知能力自测量表、简易精神状态量表、蒙特利尔认知功能评估量表以及各维度认知功能表；
所述测试模块用于接收测试者单项测验并计算测试参数，基于所述测试参数自动反馈出题；
所述评估模块用于基于所述测试者所有测试结果计算得到所述测试者的认知能力评估结果。
10.一种自适应性认知功能评估***，其特征在于，所述自适应性认知功能评估***包括处理器、存储器及其存储的指令，所述处理器执行所述指令时实现权利要求1-8任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711430461.2A CN108133736A (zh) | 2017-12-22 | 2017-12-22 | 一种自适应性认知功能评估方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711430461.2A CN108133736A (zh) | 2017-12-22 | 2017-12-22 | 一种自适应性认知功能评估方法及*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108133736A true CN108133736A (zh) | 2018-06-08 |
Family
ID=62393017
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711430461.2A Pending CN108133736A (zh) | 2017-12-22 | 2017-12-22 | 一种自适应性认知功能评估方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108133736A (zh) |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109409329A (zh) * | 2018-11-14 | 2019-03-01 | 科大讯飞股份有限公司 | 图形题目的判别方法、评估方法、装置、设备及存储介质 |
| CN109493968A (zh) * | 2018-11-27 | 2019-03-19 | 科大讯飞股份有限公司 | 一种认知评估方法及装置 |
| CN109857835A (zh) * | 2018-12-28 | 2019-06-07 | 北京红山瑞达科技有限公司 | 一种基于认知诊断理论的自适应网络安全知识测评方法 |
| CN110633362A (zh) * | 2019-09-17 | 2019-12-31 | 江南大学 | 一种个性化认知功能评价量表*** |
| WO2020019865A1 (zh) * | 2018-07-26 | 2020-01-30 | 深圳市心流科技有限公司 | 注意力游戏的出题方法、***及计算机可读存储介质 |
| CN110752033A (zh) * | 2019-08-30 | 2020-02-04 | 康美健康云服务有限公司 | 一种认知评估的信息化方法、***及可读存储介质 |
| CN111081373A (zh) * | 2019-12-16 | 2020-04-28 | 中国科学院深圳先进技术研究院 | 一种认知障碍训练与评估***和方法 |
| CN111276199A (zh) * | 2020-01-20 | 2020-06-12 | 北京津发科技股份有限公司 | 基于云服务器的人因测评方法和多互联***以及存储介质 |
| CN112120717A (zh) * | 2020-09-09 | 2020-12-25 | 杭州趣安科技有限公司 | 一种判断用户精神状态的方法、用户设备以及存储介质 |
| CN114096200A (zh) * | 2019-07-26 | 2022-02-25 | 麦克赛尔株式会社 | 用于tmt检查结果显示的***、计算机程序以及方法 |
| CN114743618A (zh) * | 2022-03-22 | 2022-07-12 | 湖南心康医学科技有限公司 | 一种基于人工智能的认知功能障碍治疗***及方法 |
| CN114842958A (zh) * | 2022-04-07 | 2022-08-02 | 北京正在关怀科技有限公司 | 儿童综合能力评估分析***及方法 |
| CN115798718A (zh) * | 2022-11-24 | 2023-03-14 | 广州市第一人民医院（广州消化疾病中心、广州医科大学附属市一人民医院、华南理工大学附属第二医院） | 一种认知测试评估方法及*** |
| CN116211253A (zh) * | 2023-02-27 | 2023-06-06 | 国家康复辅具研究中心 | 老年人认知障碍筛查实验范式的***及方法 |
| CN117257304A (zh) * | 2023-11-22 | 2023-12-22 | 暗物智能科技(广州)有限公司 | 一种认知能力测评方法、装置、电子设备及存储介质 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103620662A (zh) * | 2011-02-16 | 2014-03-05 | 知识因素股份有限公司 | 用于自适应知识评估和学习的***与方法 |
| CN103942993A (zh) * | 2014-03-17 | 2014-07-23 | 深圳市承儒科技有限公司 | 一种基于irt的自适应在线测评***及其方法 |
| CN104715157A (zh) * | 2015-03-25 | 2015-06-17 | 成都信息工程学院 | 一种基于画钟实验的认知功能障碍评估***和方法 |
| CN104902806A (zh) * | 2012-11-10 | 2015-09-09 | 加利福尼亚大学董事会 | 神经病理的评估***及方法 |
| CN105808970A (zh) * | 2016-05-09 | 2016-07-27 | 南京智精灵教育科技有限公司 | 一种在线认知评估***及评估方法 |
| CN106407237A (zh) * | 2015-08-03 | 2017-02-15 | 科大讯飞股份有限公司 | 在线学习试题推荐方法及*** |
| CN106599558A (zh) * | 2016-12-05 | 2017-04-26 | 武汉智普天创科技有限公司 | 一种基于虚拟现实的认知评估方法及*** |
| CN107088051A (zh) * | 2017-04-12 | 2017-08-25 | 潘晓东 | 一种用于脑健康认知障碍诊断及风险评估方法及*** |
| CN107220505A (zh) * | 2017-06-01 | 2017-09-29 | 深圳家族领袖教育科技有限公司 | 儿童发育能力评估方法及装置 |
-
2017
- 2017-12-22 CN CN201711430461.2A patent/CN108133736A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103620662A (zh) * | 2011-02-16 | 2014-03-05 | 知识因素股份有限公司 | 用于自适应知识评估和学习的***与方法 |
| CN104902806A (zh) * | 2012-11-10 | 2015-09-09 | 加利福尼亚大学董事会 | 神经病理的评估***及方法 |
| CN103942993A (zh) * | 2014-03-17 | 2014-07-23 | 深圳市承儒科技有限公司 | 一种基于irt的自适应在线测评***及其方法 |
| CN104715157A (zh) * | 2015-03-25 | 2015-06-17 | 成都信息工程学院 | 一种基于画钟实验的认知功能障碍评估***和方法 |
| CN106407237A (zh) * | 2015-08-03 | 2017-02-15 | 科大讯飞股份有限公司 | 在线学习试题推荐方法及*** |
| CN105808970A (zh) * | 2016-05-09 | 2016-07-27 | 南京智精灵教育科技有限公司 | 一种在线认知评估***及评估方法 |
| CN106599558A (zh) * | 2016-12-05 | 2017-04-26 | 武汉智普天创科技有限公司 | 一种基于虚拟现实的认知评估方法及*** |
| CN107088051A (zh) * | 2017-04-12 | 2017-08-25 | 潘晓东 | 一种用于脑健康认知障碍诊断及风险评估方法及*** |
| CN107220505A (zh) * | 2017-06-01 | 2017-09-29 | 深圳家族领袖教育科技有限公司 | 儿童发育能力评估方法及装置 |
Cited By (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020019865A1 (zh) * | 2018-07-26 | 2020-01-30 | 深圳市心流科技有限公司 | 注意力游戏的出题方法、***及计算机可读存储介质 |
| CN109409329A (zh) * | 2018-11-14 | 2019-03-01 | 科大讯飞股份有限公司 | 图形题目的判别方法、评估方法、装置、设备及存储介质 |
| CN109409329B (zh) * | 2018-11-14 | 2022-04-22 | 科大讯飞股份有限公司 | 图形题目的判别方法、评估方法、装置、设备及存储介质 |
| CN109493968A (zh) * | 2018-11-27 | 2019-03-19 | 科大讯飞股份有限公司 | 一种认知评估方法及装置 |
| CN109857835B (zh) * | 2018-12-28 | 2021-04-02 | 北京红山瑞达科技有限公司 | 一种基于认知诊断理论的自适应网络安全知识测评方法 |
| CN109857835A (zh) * | 2018-12-28 | 2019-06-07 | 北京红山瑞达科技有限公司 | 一种基于认知诊断理论的自适应网络安全知识测评方法 |
| CN114096200B (zh) * | 2019-07-26 | 2024-03-12 | 麦克赛尔株式会社 | 用于tmt检查结果显示的***、计算机程序以及方法 |
| CN114096200A (zh) * | 2019-07-26 | 2022-02-25 | 麦克赛尔株式会社 | 用于tmt检查结果显示的***、计算机程序以及方法 |
| CN110752033A (zh) * | 2019-08-30 | 2020-02-04 | 康美健康云服务有限公司 | 一种认知评估的信息化方法、***及可读存储介质 |
| CN110633362A (zh) * | 2019-09-17 | 2019-12-31 | 江南大学 | 一种个性化认知功能评价量表*** |
| CN111081373A (zh) * | 2019-12-16 | 2020-04-28 | 中国科学院深圳先进技术研究院 | 一种认知障碍训练与评估***和方法 |
| CN111276199A (zh) * | 2020-01-20 | 2020-06-12 | 北京津发科技股份有限公司 | 基于云服务器的人因测评方法和多互联***以及存储介质 |
| CN112120717A (zh) * | 2020-09-09 | 2020-12-25 | 杭州趣安科技有限公司 | 一种判断用户精神状态的方法、用户设备以及存储介质 |
| CN114743618A (zh) * | 2022-03-22 | 2022-07-12 | 湖南心康医学科技有限公司 | 一种基于人工智能的认知功能障碍治疗***及方法 |
| CN114842958A (zh) * | 2022-04-07 | 2022-08-02 | 北京正在关怀科技有限公司 | 儿童综合能力评估分析***及方法 |
| CN115798718A (zh) * | 2022-11-24 | 2023-03-14 | 广州市第一人民医院（广州消化疾病中心、广州医科大学附属市一人民医院、华南理工大学附属第二医院） | 一种认知测试评估方法及*** |
| CN115798718B (zh) * | 2022-11-24 | 2024-03-29 | 广州市第一人民医院（广州消化疾病中心、广州医科大学附属市一人民医院、华南理工大学附属第二医院） | 一种认知测试评估方法及*** |
| CN116211253A (zh) * | 2023-02-27 | 2023-06-06 | 国家康复辅具研究中心 | 老年人认知障碍筛查实验范式的***及方法 |
| CN117257304A (zh) * | 2023-11-22 | 2023-12-22 | 暗物智能科技(广州)有限公司 | 一种认知能力测评方法、装置、电子设备及存储介质 |
| CN117257304B (zh) * | 2023-11-22 | 2024-03-01 | 暗物智能科技(广州)有限公司 | 一种认知能力测评方法、装置、电子设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108133736A (zh) | 一种自适应性认知功能评估方法及*** | |
| CN105808970B (zh) | 一种在线认知评估方法 | |
| Tan | Misuses of KR-20 and Cronbach's alpha reliability coefficients | |
| Christ et al. | Curriculum-based measurement of oral reading: Multi-study evaluation of schedule, duration, and dataset quality on progress monitoring outcomes | |
| Praetorius et al. | Judgment confidence and judgment accuracy of teachers in judging self-concepts of students | |
| Merkle et al. | Hierarchical models of simple mechanisms underlying confidence in decision making | |
| He et al. | The effect of sample size on item parameter estimation for the partial credit model | |
| Yang | Meta-analysis research and theory building | |
| Tu et al. | A polytomous model of cognitive diagnostic assessment for graded data | |
| Preston et al. | Detecting faulty within-item category functioning with the nominal response model | |
| Yang | Visual assessment of residual plots in multiple linear regression: A model-based simulation perspective | |
| CN112528890B (zh) | 一种注意力评估方法、装置及电子设备 | |
| Tan | KR-20 ve Cronbach Alfa katsayılarının yanlış kullanımları | |
| Khavenson et al. | Relationship between the Unified State Exam and higher Education performance | |
| Benson et al. | Invariance of Woodcock-Johnson III scores for students with learning disorders and students without learning disorders. | |
| Pieters et al. | Precision, speed, and distraction in time-limit tests | |
| Avcu | Item response theory-based psychometric investigation of SWLS for university students | |
| Dirlik | Investigating Invariant Item Ordering Using Mokken Scale Analysis for Dichotomously Scored Items. | |
| Georgiev | Item analysis of C, D and E series from Raven’s standard progressive matrices with item response theory two-parameter logistic model | |
| Weisburd et al. | How do criminologists interpret statistical explanation of crime? A review of quantitative modeling in published studies | |
| Johnson et al. | Conceptualising and interpreting reliability | |
| Lamprianou | The tendency of individuals to respond to high-stakes tests in idiosyncratic ways | |
| Connell | Survival analysis in prevention and intervention programs. | |
| CN114169808A (zh) | 计算机实施的学习力评估方法、计算设备、介质和*** | |
| YAVUZ et al. | Effects of students and school variables on SBS achievements and growth in mathematic |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180608 |