《Journal of Clinical and Experimental Neuropsychology》：Examining reaction time variables to detect invalid performance on the TOMM 2: comparing mTBI to simulators using two procedures
编辑推荐：
本研究包含两项采用模拟者设计的研究，旨在探讨计算机化TOMM 2前两次试验中反应时（RT）指标的效用。研究人员将一组主要为轻度创伤性脑损伤（TBI）的患者样本，与那些正确回答分数低于传统通过标准45/50但未显著低于随机水平的模拟者进行比较。在研究1中，47名
本研究包含两项采用模拟者设计的研究，旨在探讨计算机化TOMM 2前两次试验中反应时（RT）指标的效用。研究人员将一组主要为轻度创伤性脑损伤（TBI）的患者样本，与那些正确回答分数低于传统通过标准45/50但未显著低于随机水平的模拟者进行比较。在研究1中，47名健康参与者被置于一个情境中，他们有机会为了经济补偿而装病（malingering）；这一程序更贴近现实世界中个体有动机装病但未被明确指示这样做的场景。研究人员将选择模拟的个体的反应时指标与30名确诊TBI患者进行了比较。反应时的变异系数（Coefficient of Variation, CoV）和Trial 2的反应时标准差均能区分模拟者与TBI患者。在研究2中，69名个体被明确指示在一个更传统的模拟者设计中假装受伤，并在TOMM 2反应时指标上进行比较。研究1的结果得到重复，显示Trial 2的反应时标准差和CoV均能区分TBI患者与模拟者，且反应时CoV的效应量更大。基于40%的基础率（base rate），分类统计达到了最优。本研究结果为TOMM 2反应时测量在检测次优表现（subnormal performance）方面的效用提供了初步证据，特别是当被试得分低于典型通过标准45分，但在表现效度测试（Performance Validity Test, PVT）上并未显著低于随机水平时。
论文解读：《检验反应时变量在TOMM 2上检测无效表现的效果》
研究背景与问题
在法医鉴定等涉及赔偿的场景中，装病（malingering）——即为了获得外部奖励而故意捏造或夸大症状——严重威胁着神经心理学评估的有效性。研究表明，在有显著外部激励的情况下，约30-50%的个体表现出至少疑似装病的倾向。由于单纯依靠临床判断不足以可靠地检测装病，专业指南推荐使用心理测量学指标，特别是嵌入式效度指标和独立式表现效度测试（Performance Validity Tests, PVTs）。传统的PVTs，如记忆装病测试（Test of Memory Malingering, TOMM），主要通过正确/错误回答的准确性来判定表现的有效性。然而，当被试得分介于传统划界分（如45/50）和显著低于随机水平之间时，即处于所谓的“边界区”（border-zone），仅凭准确性指标难以做出明确判断。随着PVTs向计算机化格式转型，可以被动收集客观数据，如反应时（Reaction Time, RT）。已有研究表明，RT及其变异性指标在检测无效表现方面具有潜力，因为它们是任务的非显性目标，不易受被试操控。然而，先前研究多集中于比较模拟者与健康对照组，而更具临床相关性的比较——即区分真正患有创伤性脑损伤（Traumatic Brain Injury, TBI）的患者与装病者——则相对不足，尤其是针对最常被装病的轻度TBI（mTBI）群体。因此，本研究旨在探究TOMM第二版（TOMM 2）的RT数据能否有效区分模拟者与以轻度TBI为主的患者群体，并尝试改进传统模拟者设计的局限性，以提高研究结果的生态效度。
研究方法与技术
本研究包含两个子研究。研究1招募了47名社区成员和学生，他们被给予机会通过阅读一个关于因工头部受伤并涉及诉讼的情境来装病，以获得经济补偿，但未被明确指示必须装病。其中，根据TOMM 2 Trial 2正确回答数低于45分的标准，有18人自我选择为“装病者”，最终剔除4名得分显著低于随机水平的个体后，剩余14名模拟者。研究2采用了更传统的模拟者设计，从北卡罗来纳大学威尔明顿分校招募了108名本科生，他们被明确指示假装患有脑震荡，其中部分还接受了如何避免被检测的策略指导。两个研究的模拟者样本均与同一组由30名主要为轻度TBI（P-mTBI）患者组成的临床样本进行比较，这些患者的诊断由神经科医生、神经心理学家等多方提供，数据由Multi-Health Systems (MHS)公司提供。研究人员计算了每位参与者在TOMM 2前两次试验中的平均RT、RT标准差以及RT变异系数（Coefficient of Variation, CoV，即标准差除以均值）。为了减少极端值的影响，所有个体层面的RT值被限制在均值以上3个标准差之内。
研究结果
- •
研究1结果
逻辑回归分析显示，对于Trial 2，RT的变异系数（CoV）和标准差（SD）能够显著区分自我选择的模拟者与P-mTBI患者。其中，CoV的判别能力最强，解释了约20%的组间方差，而SD解释了约16%的方差。Trial 1的RT指标则未能显著区分两组。研究还发现，模拟者的平均RT并未显著长于P-mTBI患者。
- •
研究2结果
研究1的关键发现得到了重复验证。在更传统的模拟者设计中，Trial 2的RT变异系数（CoV）再次成为最强的预测因子，解释了高达43%的组间方差（Cohen's d = 1.74），显示出大的效应量。Trial 2的RT标准差也表现出显著的判别能力，解释了14%的方差（d = 0.81）。此外，Trial 1的CoV在本研究中也成为显著预测因子。同样，平均RT仍未能显著区分两组。一项探索性分析表明，排除P-mTBI组中少数具有极端RT值的个体后，两组间的平均RT差异才显现出小到中等的效应量。分类统计分析显示，在假设40%的基础率下，Trial 2的CoV实现了最高的总体正确分类率（73%），灵敏度为80%，特异度为67%，曲线下面积（AUC）达到0.84。
讨论与结论
本研究的结论指出，两项采用不同模拟者设计的研究为计算机化TOMM 2的反应时测量在评估反应有效性方面的应用提供了初步证据。研究一致发现，与TBI患者相比，表现次优的个体在TOMM 2的第二次试验中表现出更大的反应时变异系数（CoV），且效应量大。这一RT指标尤其有助于区分那些正确/错误得分落在“边界区”（即低于传统划界分但未显著低于随机水平）的参与者。重要的是，即使将研究2中几乎所有（96.2%）被分配去装病的参与者纳入分析，这一RT模式依然稳健。研究结果表明，特别是在个体正确回答率的有效性尚不明确的情况下，反应时指标，尤其是Trial 2的CoV，可能对检测次优表现特别有用。
