Evaluation of Linguistic Markers of Word-Finding Difficulty and Cognition in Parkinson's Disease
Notice bibliographique
Résumé
Purpose: Early cognitive symptoms such as word-finding difficulty (WFD) in daily conversation are common in Parkinson's disease (PD), but studies have been limited by a lack of feasible, quantitative measures. Linguistic analysis, focused on pauses in speech, may yield markers of impairment of cognition and communication in PD. The objective of this study was to evaluate the relationship of linguistic markers in semistructured speech to WFD symptoms and cognitive function in PD. Method: Speech recordings of description of the Cookie Theft picture in 53 patients with PD without dementia and 23 elderly controls were analyzed with Praat software. Montreal Cognitive Assessment (MoCA; Nasreddine et al., 2005), category naming fluency, and confrontation naming tests were administered. Questionnaires rating WFD symptoms and cognitive instrumental activities of daily living were completed. We determined the relationships between (a) pause length and location, (b) MoCA score, and (c) WFD symptoms, using Pearson's correlations and multivariate regression models. Results: Compared with controls, patients with PD had more pauses within utterances as well as fewer words per minute and a lower percentage of well-formed sentences. Pauses within utterances differed significantly between PD-mild cognitive impairment and normal cognition (p < .001). Words per minute and percentage of well-formed sentences were predictive of MoCA in multivariate regression models. Pauses before verbs were associated with patient-reported severity of WFD symptoms (p = .006). Conclusions: Linguistic markers including pauses within utterances distinguish patients with PD with mild cognitive symptoms from elderly controls. These markers are associated with global cognitive function before the onset of dementia. Pauses before verbs and grammatical markers may index early cognitive symptoms such as WFD that may interfere with functional communication. Supplemental Material: https://doi.org/10.23641/asha.6615401.
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 | 0,005 | 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 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 ».