Preliminary study on computer aided interactive classified software for evaluating learning and memory in patients with Parkinson's disease
Notice bibliographique
Résumé
Objective To study the efficacy of compute-aided interactive classified software for evaluating learning and memory in patients of Parkinson's disease(PD).Methods Fifteen normal controls and 22 PD patients divided into two groups based on medicine usage: PD(on)(n=15) and PD(off)(n=7) were enrolled in this study.Each group was compared with others by the unified PD rating scale(UPDRS scores),cognitive status(mini-mental state examination,MMSE and Montreal cognitive assessment,MoCA),depression state,and the computer aided interactive classified learning task.Results ①Scores of MMSE and MoCA in PD(on) and PD(off) groups showed no significant difference with that of normal controls(P0.05);②Task Ⅰ(feedback-based classified task): PD(on) group showed significant difference when compared with PD(off) group(P0.05);③TaskⅡ(feedback-based probabilistic classification): in reward task,PD(off) showed significant reduction(P0.05) while PD(on) group did not;in the punish task,there were no significant differences between normal control and PD(on) and PD(off) group(P0.05).Conclusions PD(on) group showed reduction in feedback-based classified task,while PD(off) group showed reduction in reward feedback task,which further indicated that in PD patients the shortage of dopamine in dorsal striatum was more prominent than that in ventral striatum,and the use of drugs might affect the results in feedback-based learning.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| 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 | 0,000 |
| Communication savante | 0,000 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».