Normative data for phonemic and semantic verbal fluency test in the adult French–Quebec population and validation study in Alzheimer’s disease and depression
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: Verbal fluency tasks are principally used to assess lexical access and have shown usefulness for differential diagnosis. The purpose of Study 1 was to provide normative data in the adult French-Quebec population (Canada) for semantic verbal fluency (animals), for two sets of phonemic verbal fluency (TNP and PFL), and for letter P alone (60 seconds per category/letter). The objectives of Study 2 were to establish the diagnostic and predictive validity of the present tasks and normative data in Alzheimer's disease (AD) and major depressive episode (MDE). METHOD: The normative sample consisted of 932 participants aged 19-91 years. Based on multiple linear regressions, equations to calculate Z-scores were provided. To assess validity, performance of 62 healthy participants was compared to 62 participants with AD and 41 with MDE aged over 50. RESULTS: Age and education, but not gender, predicted performance on each verbal fluency task. Healthy adults aged 50 and younger had a better performance on semantic than phonemic verbal fluency. In comparison to MDE, AD participants had lower performance on animals and TNP, but not on letter P. Ninety percent of people with a Z-score ≤ -1.50 on semantic verbal fluency had AD and the global accuracy was 76.6%. Test-retest reliability over one year was high for both animals (r = .711) and TNP (r = .790) in healthy older participants, but dropped for animals in people with AD (r = .493). CONCLUSIONS: These data will strengthen accurate detection of verbal fluency deficits in French-Quebec adults.
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.
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 | 0,001 | 0,003 |
| 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) | 0,000 | 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 découle