Cómo se puntúa

Las cuentas están hechas antes de que un modelo escriba una palabra.

Neuropsych puntúa tus resultados frente a baremos publicados, determina qué puede y qué no puede respaldar el patrón, y solo entonces deja que un modelo de lenguaje redacte el texto. El modelo no puede cambiar un número, elevar una conclusión ni citar una fuente que no se le haya dado. Esta página muestra cada paso y de dónde salen los números.

Ejemplo resuelto: Dígitos y símbolos, 30 años62 pares correctos en 90 s
Puntuación z+0,28
Percentil61
Puntuación estándar104
Banda del 90 %93a 115
z = (62 − 59,5) / 9,0 = 0,28
percentil = Φ(0,28) = 61
estándar = 100 + 15 × 0,28 = 104
descriptor = Promedio (AACN, del 25 al 75)

Tabla por tramo de edad de 25 a 34 años, tomada de los baremos de dígitos y símbolos del motor (Smith, 1982; Wechsler, 2008). El ancho de la banda usa la fiabilidad supuesta de 0,80 para la tarea.

5áreas básicas que debe cubrir un informe antes de redactarse
69referencias revisadas que puede citar un informe
1.300+artículos de investigación indexados tras la base de conocimiento

De tu último test a tu informe

Ocho pasos. Seis se ejecutan como código ordinario y dan siempre la misma respuesta con las mismas entradas. Dos usan un modelo de lenguaje, y unos validadores comprueban todo lo que escribe.

Código, deterministaModelo de lenguaje, validado
01

Puntuación frente a baremos publicados

Cada puntuación bruta se compara con la media y la desviación típica publicadas para tu tramo de edad. Eso da una puntuación z, un percentil y una puntuación estándar. Los tests cronometrados en los que menos es mejor se invierten, de modo que una puntuación estándar más alta siempre significa un mejor resultado.

Algunos tests todavía no tienen baremos para adultos. Sus resultados se presentan con el acierto que alcanzaste y el nivel del azar, y nunca se comparan con otras personas.

Código
02

Comprobar qué es utilizable

Las sesiones vacías, degeneradas o físicamente imposibles se excluyen antes de interpretar nada. Un informe necesita un test en cada una de cinco áreas, y después unos cuantos más. Las áreas son velocidad de procesamiento, memoria de trabajo, atención, función ejecutiva y razonamiento; los tests adicionales pueden ser de cualquiera. Si falta algo, el motor se detiene y enumera lo que aún hace falta. Los análisis de atención y de matemáticas añaden sus propios requisitos antes de evaluarse.

Código
03

Interpretar los números

Cada puntuación con baremo recibe un descriptor en la escala AACN de siete niveles, una banda de confianza del 90 % basada en una fiabilidad conservadora para esa tarea, y una tasa base: con qué frecuencia los adultos sanos obtienen el mismo número de puntuaciones bajas en una batería de este tamaño. Con cuatro o más resultados con baremo, se identifican fortalezas y debilidades fiables respecto a tu propio promedio. No se inventa ninguna puntuación compuesta.

Código
04

Sopesar la evidencia de cada ámbito

Tus respuestas al cuestionario y los resultados de los tests se asignan a los criterios del DSM-5-TR para la atención (TDAH) y para las matemáticas (discalculia). Cada criterio se marca como cumplido, parcialmente cumplido, no cumplido, desconocido o que requiere un clínico, con la evidencia enumerada. El nivel más alto que puede alcanzar el motor es «compatible con». El informe nunca dice que tengas una afección, y la sección sigue marcada como provisional hasta que la revise un clínico con licencia.

Código
05

Elegir el plan y las fuentes

Las recomendaciones se seleccionan de una biblioteca revisada, cada una con una etiqueta que indica la solidez de su evidencia. Los elementos de seguridad van fijados al principio. Cada cita procede de un registro de 69 referencias revisadas: el DSM-5-TR, las declaraciones de consenso de la AACN sobre etiquetas y validez, la literatura sobre tasas base, las guías NICE y metaanálisis sobre TDAH y discalculia.

Código
06

Redactar el texto

El modelo recibe únicamente hechos calculados: tus posiciones en lenguaje sencillo, los hallazgos, el nivel de cada ámbito y el plan. No ve respuestas brutas, intervalos de confianza ni nada que pudiera recalcular. Escribe en espacios con nombre: un resumen, un párrafo por dominio, el patrón, una impresión por ámbito y una breve nota sobre por qué cada elemento de «empieza por aquí» encaja contigo.

Unos validadores comprueban cada espacio. Los números deben coincidir con los valores calculados. Solo se puede nombrar una afección donde su nivel lo permita. Los medicamentos, las dosis y los prescriptores están vetados. Un espacio que falla recibe una corrección, y si vuelve a fallar, lo sustituye un texto determinista escrito a partir de los mismos hallazgos.

Modelo de lenguaje
07

Revisión

Una segunda pasada de revisión, independiente, lee los espacios aceptados frente a los hechos. Señala resultados descritos como más extremos de lo que indica su posición, números asignados al test equivocado, redacción que va más allá del nivel y elementos del plan presentados como demostrados cuando su evidencia no es sólida. Solo puede sustituir un espacio por su alternativa determinista. No puede añadir nada.

Modelo de lenguaje
08

Maquetación

Una plantilla fija produce el HTML y el PDF: tus resultados, los hallazgos, el plan, y después el Anexo A con cada puntuación y su banda de confianza, el Anexo B con las referencias numeradas y el Anexo C sobre cómo leer el informe. El informe lleva un identificador de participante en lugar de un nombre, y siempre se imprime un bloque de firma del clínico.

Código

Las tablas publicadas detrás de cada test

Cada comparación de un informe usa una tabla por tramos de edad tomada de un estudio o manual publicado. Esta es la lista actual, test por test, con la muestra en la que se basa cada tabla.

TestFuentes de la tablaMuestra
Dígitos y símbolosWechsler, WAIS-IV (2008); Smith, SDMT (1982); Peña-Casanova et al., NEURONORMA (2009)Adultos de EE. UU., N = 2.200, de 16 a 90 años; adultos españoles, N = 356
Tiempo de reacción simpleDer & Deary (2006)Adultos del Reino Unido, N = 7.130, de 18 a más de 80 años
Suma seriada pautadaThe Many Brains Project, TestMyBrain Analysis Toolkit (2023); Gronwall (1977)Adultos online, N = 1.000, de 18 a 89 años
Span de dígitosWechsler, WAIS-IV (2008) y WAIS-5 (2024); Woods et al. (2011)Adultos de EE. UU., N = 2.200, de 16 a 90 años
Cubos de CorsiKessels et al. (2000); Monaco et al. (2013)Metaanálisis, N = 739; adultos italianos, N = 353, de 20 a 89 años
N-backJaeggi et al. (2010); Eisenberg et al., Self-Regulation Ontology (2019)Adultos sanos, N = 584, de 18 a 50 años; 522 adultos
Amplitud de operacionesUnsworth et al. (2005)Estudiantes universitarios de EE. UU., N = 256
Pares visuales asociadosThe Many Brains Project, TestMyBrain Analysis Toolkit (2023); Sahakian et al. (1988)Adultos online, N = 1.000, de 18 a 89 años (provisional: otro conjunto de imágenes)
Ejecución continuaRiccio et al. (2002)Revisión de la investigación sobre CPT
Go/No-GoBezdjian et al. (2009); Eisenberg et al. (2019)Revisión de baremos publicados; 522 adultos
FlankerZelazo et al., validación del NIH Toolbox (2014); Eisenberg et al. (2019)Adultos de EE. UU., N = 268, de 20 a 85 años; 522 adultos
Stop-SignalVerbruggen et al. (2019); Eisenberg et al. (2019); Lee & Hsieh (2017)Guía de consenso; 522 adultos; 72 adultos, de 40 a 77 años
StroopStrauss, Sherman & Spreen (2006); Scarpina & Tagini (2017); Eisenberg et al. (2019)Estudios normativos recopilados; 522 adultos
Tarjetas de Wisconsin (WCST)Heaton et al. (1993); Strauss, Sherman & Spreen (2006)Adultos de EE. UU., N = 899, de 6,5 a 89 años
Torre de LondresCulbertson & Zillmer, TOL-DX (2001); Shallice (1982)Adultos de EE. UU., N = 1.036, de 7 a 80 años
MatricesWechsler, WAIS-IV (2008); Raven (2000); Condon & Revelle, ICAR (2014)Adultos de EE. UU., N = 2.200; muestra online de SAPA, N = 96.958
SemejanzasWechsler, WAIS-IV (2008)Adultos de EE. UU., N = 2.200, de 16 a 90 años
Comparación de puntosGuillaume & Van Rinsveld (2018); Halberda et al. (2012); Norris et al. (2015)Metaanálisis de 47 muestras; Panamath, N = 10.548, de 11 a 85 años
Línea numéricaWilliams et al. (2020)Adultos universitarios, N = 227

Tests que se presentan sin baremos

Comparación de magnitud, verificación aritmética, estimación de puntos, velocidad de recuperación, fluidez de conteo, valor posicional, dictado de números, vocabulario, completar patrones y rotación mental. No hay baremos publicados para adultos que encajen con estas tareas. El test del trazo, la fluidez verbal y las analogías verbales se presentan igual: sus tablas publicadas vienen de otra forma de hacer la prueba (un trazo dibujado en papel o arrastrado, palabras dichas en voz alta, otros ítems de analogías), y en esta web haces clic en los círculos, escribes las palabras y respondes a nuestras propias 25 analogías. El informe muestra tu propio resultado, y en las tareas de elegir lo que produciría el azar, y nunca convierte esos resultados en un percentil, un descriptor o un hallazgo.

Las versiones en navegador de estas tareas se comparan con baremos publicados de tests similares, no idénticos. Cada informe lo indica junto a su tabla de puntuaciones. Cuando existe un baremo informatizado para el mismo paradigma, es el que se usa.

Un motor, dos idiomas

Los informes en español pasan por los mismos ocho pasos, con espacios de redacción, validadores y referencias en español.

La fluidez de animales se presenta sin comparación en los dos idiomas. Las tablas españolas (NEURONORMA, Casals-Coll et al., 2013) son, como las inglesas, para palabras dichas en voz alta, y en esta web las escribes.

Todos los demás tests usan las mismas tablas publicadas que en inglés. La mayoría son no verbales o cronometrados, así que la comparación se sostiene. Los tres tests verbales en inglés (vocabulario, semejanzas y analogías verbales) no se ofrecen en español.

La valla alrededor del modelo de lenguaje

Son propiedades del código, no promesas. Cada una la aplica un validador que rechaza el texto y recurre a una redacción determinista.

Nunca produce un número

Los percentiles, las puntuaciones estándar, las bandas de confianza, las tasas base y los descriptores se calculan antes de que se ejecute el modelo. Cualquier número de su texto que no coincida con un valor calculado se rechaza.

No puede elevar una conclusión

El nivel de cada ámbito sale de la correspondencia con los criterios. Se rechaza una redacción más fuerte que ese nivel, y también cualquier forma de «tienes», «te han diagnosticado», «descartar» o «confirmar».

No puede citar lo que no se le ha dado

Las citas se limitan al registro de referencias revisadas, cada una con un ID estable. Un ID desconocido se elimina del texto.

No puede hablar de medicación

La medicación, las dosis y los prescriptores nunca aparecen en el texto escrito por el modelo. La única frase sobre opciones profesionales la escribe el motor, no el modelo.

No puede atribuirte algo que no dijiste

Toda frase que recoja lo que dijiste («mencionaste que duermes mal») tiene que coincidir con una respuesta registrada del cuestionario.

No puede hacer fallar tu informe

Un espacio que falla recibe una ronda de corrección y después texto determinista. Una caída del proveedor produce el informe totalmente determinista, o un reintento, nunca uno roto.

Detalles técnicos

Qué calcula el motor, con qué supuestos y qué modelo escribe el texto.

Cálculo de la puntuación

z = (bruta − media) / DT para tu tramo de edad, percentil = Φ(z), puntuación estándar = 100 + 15z. Los tests en los que una puntuación bruta menor es mejor se invierten primero. Las tablas NEURONORMA usan sus puntuaciones escalares publicadas (M = 10, DT = 3) con el ajuste por educación del estudio, y el percentil se deriva de la puntuación escalar ajustada.

Descriptores

Etiquetas uniformes de la AACN (Guilmette et al., 2020), siete niveles: excepcionalmente bajo por debajo del percentil 2, por debajo del promedio hasta el 8, promedio bajo hasta el 24, promedio hasta el 75, promedio alto hasta el 90, por encima del promedio hasta el 97, excepcionalmente alto desde el 98.

Bandas de confianza

El 90 %, a partir del error típico de medida, 15 × √(1 − r), con una fiabilidad conservadora por tarea (por defecto 0,70). La banda se imprime junto a cada puntuación con baremo.

Tasas base y perfil relativo

El número esperado de puntuaciones bajas en una batería de este tamaño sigue a Binder, Iverson y Brooks (2009), con un modelo de un factor y una correlación media supuesta de 0,30 entre tareas. Las fortalezas y debilidades relativas son ipsativas: un resultado debe diferir de tu propia media en más de su valor crítico y en al menos una desviación típica.

Validez del rendimiento

Las pruebas online no cuentan con un test de validez independiente, así que el motor combina tres señales deterministas: las sesiones excluidas por inutilizables en el paso 02, los indicadores de implicación en tareas donde los adultos implicados rozan el techo, y las condiciones que indicaste para tus sesiones. Una puntuación genuinamente baja pero válida nunca se rebaja ni se elimina.

Modelo de lenguaje

Un modelo de lenguaje de Anthropic escribe los espacios de texto, y una pasada de revisión independiente con el mismo modelo los comprueba, en inglés y en español. Toda llamada al modelo es opcional: el informe determinista existe antes de que se haga la primera.

Evidencia

Los informes citan un registro de 69 referencias revisadas, que se muestran como entradas numeradas en el Anexo B. Toda cita de un informe sale de ese registro. Detrás hay un índice de más de 1.300 artículos de investigación, divididos en 55.530 fragmentos consultables.

Tus datos

Los resultados se guardan en tu cuenta cuando termina un test. Al generar un informe se envían tus puntuaciones calculadas y tus respuestas del cuestionario a la API de Anthropic, que por defecto no usa los datos de la API para entrenar sus modelos. Las respuestas brutas prueba a prueba no forman parte de esa solicitud. Los detalles están en la política de privacidad.

Revisión clínica

Todo informe imprime un bloque de firma con el nombre, las credenciales, la fecha y las notas de quien lo revisa. Hasta que un clínico firma, las consideraciones diagnósticas llevan un aviso de provisional.

Limitación. Es una herramienta de tests cognitivos, no un instrumento diagnóstico. Las comparaciones con baremos aportan contexto, pero no pueden tener en cuenta la medicación, la fatiga, el entorno de la prueba ni la motivación. Algunos rangos de edad están mejor representados que otros en las tablas publicadas, y el informe lo señala donde corresponda. Habla con un profesional sobre tus resultados.