تفسیر شاخص‌های آزمون Single Non-Adaptive N-Back

نرخ اصابت صحیح (Correct Hit) به تعداد پاسخ‌های درستی اطلاق می‌شود که آزمودنی در مواجهه با محرک‌های هدف (مطابقت محرک فعلی با گام‌های قبلی آزمون) ثبت کرده است. این شاخص ظرفیت پایه‌ای سیستم در پردازش و بازخوانی اطلاعات فعال را نشان می‌دهد.

افت معنادار این شاخص با اختلالات ساختاری در کارکردهای اجرایی مغز، به‌ویژه نقص توجه و بیش-فعالی (ADHD)، نقایص شناختی خفیف (MCI) و آسیب‌های فرونتال مرتبط است. فرآیند بازخوانی و مقایسه دائم داده‌ها در این بخش، مستقیماً منعکس‌کننده یکپارچگی قشر پیش‌پیشانی پشتی-جانبی (DLPFC) است.

این متغیر بر اساس نسبت پاسخ‌های صحیح به کل محرک‌های هدف در هر بلوک محاسبه شده و با تبدیل به شاخص‌های استاندارد نظیر Hit Rate z-score، جایگاه آزمودنی را در مقایسه با داده‌های هنجار جامعه مشخص می‌کند. به عنوان نمونه، الگوهای ارزیابی استاندارد در مستند کالیبراسیون مراجع "یحیی آصفی (control group) .pdf" صحت ثبت زمان واکنش در پاسخ‌های صحیح (Hit Rate RT) را ملاک پایداری توجه قرار می‌دهند.

سامانه گزارش‌دهی به صورت خودکار میانگین زمان واکنش پاسخ‌های صحیح (Hit Rate RT Mean) را با دقت میلی‌ثانیه اندازه گیری کرده و در قالب ماتریس مقایسه‌ای بین وضعیت ۱ و ۲ به همراه انحراف معیار سیستماتیک گزارش می‌کند تا نوسانات توجه در طول زمان ارزیابی شود.

خطای حذف (Omission Error) زمانی رخ می‌دهد که سیستم یک محرک هدف را ارائه داده است، اما آزمودنی بدون پاسخ دادن و فشردن کلید، از روی آن عبور می‌کند. این شاخص بیانگر میزان نقص در ردیابی سیگنال است.

بالا بودن تعداد خطاهای غفلت، نشان‌دهنده گسست در توجه پایدار (Sustained Attention) و کاهش سطح هوشیاری عمومی شناختی است. در ارزیابی‌های بالینی، افزایش این خطاها در بلوک‌های پایانی آزمون (مانند جابجایی از Condition 1 به Condition 2) نشان‌دهنده خستگی‌پذیری زودرس سیستم عصبی و افت توان پردازش است.

تعداد خطاهای غفلت بر حسب فراوانی مطلق در هر بلوک ثبت شده و سپس با توزیع نرمال نمونه‌های همتا مقایسه می‌شود تا انحراف فرد از میانگین جامعه در شاخص غفلت سنجیده شود.

در پنل گزارش‌دهی، فراوانی خطاهای غفلت به صورت کاملاً مجزا در نمودار پویای خروجی تصویر می‌شود تا متخصص بدون نیاز به تفکیک دستی داده‌های خام، روند توزیع خطاها را در طول گام‌های N-Back ردیابی کند.

خطای ارتکاب (Commission Error) یا پاسخ کاذب، ناشی از واکنش حرکتی اشتباه به محرک‌هایی است که به عنوان هدف شناخته نمی‌شوند. این فاکتور بازتاب‌دهنده ناتوانی در مهار پاسخ است.

این متغیر مستقیماً با تکانشگری (Impulsivity) و نقص در کنترل مهار (Inhibitory Control) ارتباط دارد. در پژوهش‌های نوروسایکولوژی، افزایش خطاهای ارتکاب نشان‌دهنده تضعیف ترمزهای شناختی کورتکس فرونتال ارزیابی می‌شود که در رفتارهای پرخطر و سوءمصرف مواد به وفور دیده می‌شود.

نرم‌افزار این شاخص را از طریق پایش واکنش‌های اشتباه بر روی کل محرک‌های غیرهدف (Nontarget trials count) استخراج کرده و نمره نهایی False Alarm z-score را جهت سنجش شدت آماری تکانشگری محاسبه می‌کند.

یکی از قابلیت‌های فنی سامانه، محاسبه همزمان میانگین زمان واکنش هشدارهای کاذب (False Alarm RT) است. این ویژگی به متخصص اجازه می‌دهد بین تمایز ضعیف بینایی-شناختی و تکانشگری حرکتی مهارنشده تفاوت قائل شود.

شاخص d-prime برآمده از نظریه تشخیص سیگنال (Signal Detection Theory)، نشان‌دهنده توانایی و حساسیت مراجع در جداسازی اطلاعات اصلی (سیگنال) از محرک‌های مزاحم پیرامون (نویز) است.

مقادیر بالاتر d' نشان‌دهنده قدرت تمایز عالی سیستم شناختی است. در حالتی که این شاخص با افت مواجه شود، مراجع در فیلتر کردن اطلاعات نامربوط دچار چالش جدی است؛ این پدیده یکی از شاخص‌های بالینی بارز در مه مغزی، خستگی مفرط کارکردی و نقص‌های شناختی ثانویه است.

محاسبه این شاخص ریاضی بر پایه تفاوت توزیع نمرات استاندارد نرخ اصابت و هشدار کاذب استوار است که فرمول متداول آن به صورت زیر پیاده‌سازی شده است:
d' = Z(Hit Rate) - Z(False Alarm)

سیستم به طور خودکار منحنی توزیع حساسیت تشخیصی را همراه با خط شاخص d-prime مراجع (مانند مقدار شاخص هنجار d-prime: 1.00 مندرج در گزارش نمونه مراجع یحیی آصفی) ترسیم کرده و بدون نیاز به فرمول‌نویسی دستی، خروجی گرافیکی دقیق ارائه می‌دهد.

تحلیل منحنی ROC و شاخص AUC یک ابزار پیشرفته محاسباتی جهت ارزیابی صحت، حساسیت و ویژگی کلی عملکرد مراجع در طول کل جلسات ارزیابی است.

مقادیر نمره AUC بین ۰ تا ۱ تغییر می‌کند؛ نمرات بالای ۰.۹ نشان‌دهنده تمایز عالی و عملکرد پایدار و ایده‌آل فرد در طول اجرای تکالیف حافظه کاری است. این متغیر بهترین شاخص در پژوهش‌های بالینی جهت مقایسه اثربخشی درمان‌ها (پیش‌آزمون و پس‌آزمون) به شمار می‌رود.

مقدار AUC از محاسبه هندسی سطح زیر منحنیِ تقابل نسبت مثبت‌های واقعی در برابر مثبت‌های کاذب حاصل می‌شود؛ نمره ۰.۵ نشان‌دهنده پاسخ‌های کاملاً تصادفی و فاقد ارزش شناختی است.

پلتفرم NCALab جزو معدود سامانه‌های ارزیابی بومی است که منحنی دقیق را بر اساس ماتریس حساسیت (Sensitivity) و ویژگی (Specificity) ترسیم کرده و آن را در گزارش نهایی الصاق می‌نماید.