MétaCan
Menu
Retour à la cohorte
Enregistrement W2789670585 · doi:10.1016/j.nicl.2018.03.003

Dyscalculia and dyslexia: Different behavioral, yet similar brain activity profiles during arithmetic

2018· article· en· W2789670585 sur OpenAlex
L. Peters, Jessica Bulthé, Nicky Daniëls, Hans Op de Beeck, Bert De Smedt

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueNeuroImage Clinical · 2018
Typearticle
Langueen
DomaineMathematics
ThématiqueCognitive and developmental aspects of mathematical skills
Établissements canadiensWestern University
Organismes subventionnairesEuropean Research CouncilVlaamse regeringKU LeuvenAustrian Science Fund
Mots-clésDyscalculiaDyslexiaPsychologyLearning disabilityCognitive psychologyDevelopmental psychologyReading (process)AudiologyMedicineLinguistics

Résumé

récupéré en direct d'OpenAlex

Brain disorders are often investigated in isolation, but very different conclusions might be reached when studies directly contrast multiple disorders. Here, we illustrate this in the context of specific learning disorders, such as dyscalculia and dyslexia. While children with dyscalculia show deficits in arithmetic, children with dyslexia present with reading difficulties. Furthermore, the comorbidity between dyslexia and dyscalculia is surprisingly high. Different hypotheses have been proposed on the origin of these disorders (number processing deficits in dyscalculia, phonological deficits in dyslexia) but these have never been directly contrasted in one brain imaging study. Therefore, we compared the brain activity of children with dyslexia, children with dyscalculia, children with comorbid dyslexia/dyscalculia and healthy controls during arithmetic in a design that allowed us to disentangle various processes that might be associated with the specific or common neural origins of these learning disorders. Participants were 62 children aged 9 to 12, 39 of whom had been clinically diagnosed with a specific learning disorder (dyscalculia and/or dyslexia). All children underwent fMRI scanning while performing an arithmetic task in different formats (dot arrays, digits and number words). At the behavioral level, children with dyscalculia showed lower accuracy when subtracting dot arrays, and all children with learning disorders were slower in responding compared to typically developing children (especially in symbolic formats). However, at the neural level, analyses pointed towards substantial neural similarity between children with learning disorders: Control children demonstrated higher activation levels in frontal and parietal areas than the three groups of children with learning disorders, regardless of the disorder. A direct comparison between the groups of children with learning disorders revealed similar levels of neural activation throughout the brain across these groups. Multivariate subject generalization analyses were used to statistically test the degree of similarity, and confirmed that the neural activation patterns of children with dyslexia, dyscalculia and dyslexia/dyscalculia were highly similar in how they deviated from neural activation patterns in control children. Collectively, these results suggest that, despite differences at the behavioral level, the brain activity profiles of children with different learning disorders during arithmetic may be more similar than initially thought.

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 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)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,574
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,113
Tête enseignante GPT0,421
Écart entre enseignants0,308 · 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