Verbal Fluency Patterns in Two Subgroups of Patients With Alzheimer's Disease
Notice bibliographique
Résumé
Previous research has identified two subgroups of patients with Alzheimer's disease (AD) based on performance discrepancies on semantic and visual-constructional measures: Left AD (LAD) and Right AD (RAD). In this study, verbal fluency performances (Animal Fluency [AF] and Letter Fluency [FAS]) of these two subgroups were examined. It was hypothesized that LAD patients would perform worse on AF compared to FAS, due to an underlying breakdown of left-hemisphere semantic networks. On the other hand, the RAD group, which theoretically has a relatively preserved semantic system, yet difficulties retrieving overlearned information, was not expected to differ on the two fluency tasks. These predictions were based on the notion that the AF task requires intact retrieval and semantic processes, whereas the FAS task is reliant on retrieval processes alone. Patients were classified into subgroups on the basis of performance discrepancies on the Boston Naming Test (BNT) and Copy tasks: LAD (BNT < Copy); RAD (BNT > Copy). A split-plot ANOVA using demographically corrected standard T-scores revealed a significant main effect for fluency task, and a significant subgroup x fluency task interaction. LAD patients performed poorer on AF compared to FAS; there was no fluency task difference for the RAD group. Analysis of within-subcategory response clustering on AF revealed more instances of serial subclass exemplar responses by RAD members. These results support the loss theory in explaining the semantic deficit of LAD, and suggest that retrieval difficulties underlie the fluency problems of RAD.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».