MétaCan
Menu
Retour à la cohorte
Enregistrement W1982364588 · doi:10.1055/s-0029-1244953

The Neural Correlates of Semantic Feature Analysis in Chronic Aphasia: Discordant Patterns According to the Etiology

2010· article· en· W1982364588 sur OpenAlexafffund
Karine Marcotte, Ana Inés Ansaldo

Notice bibliographique

RevueSeminars in Speech and Language · 2010
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeurobiology of Language and Bilingualism
Établissements canadiensInstitut Universitaire de Gériatrie de Montréal
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésAphasiaApraxiaPsychologyPrimary progressive aphasiaAphasiologySemantic featureAudiologyStroke (engine)Feature (linguistics)Neural correlates of consciousnessMedicineCognitive psychologyNeuroscienceLinguisticsNatural language processingPathologyComputer scienceCognitionDiseaseDementiaFrontotemporal dementia

Résumé

récupéré en direct d'OpenAlex

This event-related functional magnetic resonance imaging (fMRI) study reports on the impact of semantic feature analysis (SFA) therapy on the neural substrate sustaining the recovery from severe anomia in two patients: one participant was diagnosed with primary progressive aphasia (PPA) 2 years before this study; the other participant acquired aphasia 8 years before this study. The participant with PPA showed severe progressive nonfluent aphasia (PNFA), the language profile being similar to a Broca's aphasia; the stroke patient presented with Broca's aphasia and a severe apraxia of speech (AOS). To examine the neural substrate allowing for recovery, both patients received brief and intensive therapy with SFA; behavioral and event-related (ER)-fMRI measures during oral picture naming were obtained pre- and post-therapy. Both patients benefitted from SFA to improve their naming performance. Functional MRI performances on trained and correct pretraining items were contrasted. Adaptive brain plasticity appeared to operate differently in each patient, despite the similarity of naming recovery profiles.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,062
Score d'incertitude au seuil0,829

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,007
Tête enseignante GPT0,279
Écart entre enseignants0,272 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations86
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSeminars in Speech and LanguageMême sujetNeurobiology of Language and BilingualismTravaux en français237 207