ترجمه فارسی مقاله بازاندیشی در رویکرد باقیمانده: استفاده از یادگیری ماشینی برای عملیاتی کردن تاب آوری شناختی در بیماری آلزایمر

چکیده

Cognitive resilience describes the phenomenon of individuals evading cognitive decline despite prominent Alzheimer’s disease neuropathology. Operationalization and measurement of this latent construct is non-trivial as it cannot be directly observed. The residual approach has been widely applied to estimate CR, where the degree of resilience is estimated through a linear model’s residuals. We demonstrate that this approach makes specific, uncontrollable assumptions and likely leads to biased and erroneous resilience estimates. We propose an alternative strategy which overcomes the standard approach’s limitations using machine learning principles. Our proposed approach makes fewer assumptions about the data and construct to be measured and achieves better estimation accuracy on simulated ground-truth data.

چکیده به فارسی (ترجمه ماشینی)

تاب آوری شناختی پدیده افرادی را که با وجود نوروپاتولوژی بیماری آلزایمر برجسته ، از کاهش شناختی فرار می کنند ، توصیف می کند.عملیاتی شدن و اندازه گیری این سازه نهفته غیر واقعی است زیرا نمی توان مستقیماً مشاهده کرد.رویکرد باقیمانده به طور گسترده ای برای برآورد CR اعمال شده است ، جایی که میزان تاب آوری از طریق باقیمانده های مدل خطی تخمین زده می شود.ما نشان می دهیم که این رویکرد فرضیات خاص و غیرقابل کنترل را ایجاد می کند و احتمالاً منجر به برآورد تاب آوری مغرضانه و نادرست می شود.ما یک استراتژی جایگزین را پیشنهاد می کنیم که با استفاده از اصول یادگیری ماشین ، محدودیت های رویکرد استاندارد را غلبه می کند.رویکرد پیشنهادی ما باعث می شود فرضیات کمتری در مورد داده ها و سازه ها اندازه گیری شود و به دقت تخمین بهتر در داده های شبیه سازی شده با حقیقت زمین دست یابد.