Emotionserkennung und Alexithymie bei Morbus Parkinson
Notice bibliographique
Résumé
Hintergrund: Basisemotionen werden über die Mimik ausgedrückt und sind ein wichtiger Kommunikator zur Außenwelt. Patienten mit Parkinson verlieren diese Fähigkeit aufgrund des häufig auftretenden so genannten Maskengesichts. Ziel: Das Ziel dieser Arbeit war es, Unterschiede hinsichtlich der Emotionserkennung und -wahrnehmung zwischen Patienten mit Parkinson und gesunden Menschen zu identifizieren. Methode: 34 medikamentös eingestellte Patienten mit Parkinson wurden anhand des Facially Expressed Emotion Labeling Tests (FEEL) auf ihre Emotionserkennung anderer Personen und anhand der Toronto-Alexithymie-Skala-26 (TAS) auf ihre Wahrnehmung der eigenen Emotionen untersucht. Die Ergebnisse wurden mit den Daten aus bereits vorliegenden Studien verglichen. Ergebnisse: Patienten mit Parkinson hatten signifikante Probleme beim Erkennen von Emotionen in der Mimik im Vergleich zu Gesunden (p ≤ 0,001). Zusätzlich brauchten sie signifikant länger, die Ausdrücke den korrekten Emotionen zuzuordnen (p ≤ 0,001). Dabei korrelierte das Endergebnis des FEEL-Tests sehr stark mit der Reaktionszeit (p ≤ 0,001; r = –0,665). Auch die Wahrnehmung der eigenen Emotionen (TAS-26) war bei ihnen stark eingeschränkt (p ≤ 0,001). Der Zusammenhang zwischen den Ergebnissen des FEEL-Tests und der TAS-26 war gering (p = 0,020; r = –0,404). Schlussfolgerung: Patienten mit Parkinson zeigten Beeinträchtigungen, Gesichtsausdrücke zu erkennen und sie den passenden Emotionen zuzuordnen. Merkmale einer Alexithymie konnten aber nicht festgestellt werden. Patienten mit einer guten Emotionserkennung scheinen geringere Schwierigkeiten zu haben, ihre eigenen Gefühle wahrzunehmen.
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 | 0,000 |
| 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 | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 ».