Test Barcelona Abreviado: Datos normativos. Aproximación desde la Teoría de Respuesta a los Ítems y redes neuronales artificiales en el deterioro cognitivo leve y enfermedad de Alzheimer

Introducción: El Test Barcelona abreviado (TB-A) constituye un instrumento de exploración neuropsicológica general que ha mostrado ser sensible y válido en la detección de deterioro cognitivo. Desde la publicación en 1997 de la versión abreviada del Test Barcelona, no se han vuelto a desarrollar datos normativos para todos los subtest que componen esta prueba. Por lo tanto, se hace necesaria una nueva normalización del test. La Teoría de Respuesta a los Ítems (TRI) es en la actualidad una de las teorías predominantes en la investigación psicométrica. Esta teoría presenta múltiples ventajas, pero la más importante en neuropsicología, es la invarianza de la medida. Por otro lado, en el ámbito de las demencias y del deterioro cognitivo leve (DCL), la exploración neuropsicológica debe ir encaminada a la identificación de perfiles cognitivos. El TB-A permite la creación de un perfil clínico, muy útil como representación gráfica de las funciones cognitivas preservadas y alteradas. Por último, las redes neuronales artificiales (RNA) se han desarrollado como herramientas de soporte en la toma de decisiones clínicas en el contexto de clasificación de patrones y predicción de funciones. Objetivos: 1) Aportar los nuevos datos normativos del Test Barcelona abreviado, así como crear un perfil único para todos los sujetos. 2) Identificar el perfil cognitivo del deterioro cognitivo leve y la enfermedad de Alzheimer (EA). 3) Estudiar las propiedades psicométricas del TB-A mediante la Teoría de Respuesta a los Ítems utilizando los siguientes grupos diagnósticos: envejecimiento normal, deterioro cognitivo leve y enfermedad de Alzheimer. 4) Utilizar redes neuronales artificiales como método de clasificación mediante el Test Barcelona abreviado, entre sujetos con envejecimiento normal, DCL y EA.Método: El presente estudio se engloba en el contexto del Proyecto Neuronorma. La muestra estaba formada por 346 controles, 79 sujetos con deterioro cognitivo leve y 97 sujetos con enfermedad de Alzheimer. Se estudió la fiabilidad del TB-A mediante el coeficiente de consistencia interna. Con el objetivo de aportar nuevos datos normativos del TB-A se utilizó la técnica de solapamiento de intervalos y punto medio. Se estudió el efecto de las variables sociodemográficas de edad, escolaridad y sexo. Se transformaron las puntuaciones brutas a escalares ajustadas para la edad y escolaridad. Se realizan los perfiles cognitivos del DCL y EA. Desde la TRI, se aplicó el modelo logístico de dos parámetros para datos binarios. Para la calibración de los parámetros se utilizó el programa BILOG MG versión 3. Se crearon tres redes neuronales artificiales, a partir de la combinación de los tres grupos diagnósticos. Se utilizó una arquitectura de Perceptrón Multicapa entrenado con el algoritmo de retropropagación del error. Desde esta perspectiva se utilizó el programa Easy-NN-Plus V.10. Resultados y conclusiones: El TB-A mostró una excelente consistencia interna (α de Cronbach .921). Se presentaron los nuevos datos normativos del TB-A en puntuaciones escalares mediante tablas ajustadas por edad y escolaridad. Los resultados revelaron un perfil cognitivo diferente para el grupo DCL y EA, tanto en el número de funciones cognitivas alteradas como en su magnitud. Desde la TRI, el TB-A presentó una buena sensibilidad clínica y excelente validez discriminante en diferentes grupos de sujetos: envejecimiento normal, deterioro cognitivo leve y enfermedad de Alzheimer. En este sentido, permite separar entre diferentes niveles de habilidad o rasgo latente. El empleo de RNA mostró una exactitud de clasificación de 66.67% en el caso más complejo (tres grupos diagnósticos), 98.33% (controles vs. deterioro cognitivo leve) y 100% (controles vs. enfermedad de Alzheimer). Asimismo, esta aproximación aporta cuáles son las medidas del TB-A más importantes y sensibles en cada situación.Background: The brief version of the Barcelona Test (a-BT) is an instrument for general neuropsychological assessment. Since 1997, no normative data has been developed for this test. Therefore, a new normalization is needed. Nowadays, Item Response Theory (IRT) is a predominant theory in psychometric research. These models provide several advantages over Classical Test Theory, such as the invariance of ability and item parameters as the most important. On the other hand, neuropsychological assessment in dementia and Mild Cognitive Impairment (MCI) is directed towards identifying cognitive profiles. The a-BT enables creating cognitive profiles, very useful for identifying maintained and impaired cognitive domains. Finally, Artificial Neural Networks (AANs) are interesting computational tools which can provide valuable support to clinical decision making, classification and the prediction of cognitive functioning. Objectives: 1) To provide new normative data of the a-BT, and develop a unique cognitive profile. 2) To identify cognitive profile of MCI and Alzheimer's disease. 3) To apply IRT to assess the psychometric properties of the a-BT in following diagnosis groups: healthy controls, MCI and Alzheimer's disease. 4) To use artificial neural networks to classify among normal aging, MCI and Alzheimer's disease.Method: The sample, within NEURONOMA project, consisted of 346 healthy controls, 79 MCI patients and 97 Alzheimer's disease (AD) patients. Reliability was studied through internal consistency. "Overlapping cell procedure" and midpoint was applied to develop the normative data. Age, education and sex influence were studied. Raw scores were transformed to age-education adjusted scaled scores. MCI and AD cognitive profiles were developed. A two parameter IRT logistic model for binary data was used to calibrate the parameters using BILOG MG version 3. Three artificial neural networks were developed from the combination of the three diagnostic groups. Sofware Easy NN-Plus V. 10 was used to simulate a Multilayer Perceptron trained with backpropagation learning rule.Results and conclusions: The a-BT showed an excellent internal consistency (Cronbach's alpha .921). Normative data were presented on age-education scaled scores. Different cognitive profiles emerged for MCI and AD, according to the number of impaired cognitive domains and magnitude of cognitive alterations. By using IRT, the a-BT showed an appropriate clinical sensitivity and excellent discriminant validity in the following diagnostic groups: normal ageing, MCI and AD. Furthermore, the test allowed to classify individuals according to different skill levels or latent trait. ANNs successfully classified 66.67% of the overall sample in the three diagnostics groups. When using two diagnostic groups, ANNs showed higher accuracy: 98.33% (healthy controls and. MCI) and 100% (healthy controls vs. AD). Finally, this model was useful for identifying relevant and sensitive variables for neuropsychological diagnosis of MCI and AD