MétaCan
Menu
Retour à la cohorte
Enregistrement W2897833618 · doi:10.3389/fnins.2018.00749

Aging and Sex Influence Cortical Auditory-Motor Integration for Speech Control

2018· article· en· W2897833618 sur OpenAlexaff
Jingting Li, Huijing Hu, Na Chen, Jeffery A. Jones, Dan Wu, Peng Liu, Hanjun Liu

Notice bibliographique

RevueFrontiers in Neuroscience · 2018
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeuroscience and Music Perception
Établissements canadiensWilfrid Laurier University
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésSpeech productionAudiologyYoung adultPsychologyMotor controlAuditory feedbackEvent-related potentialDevelopmental psychologyNeuroscienceElectroencephalographyMedicineSpeech recognition

Résumé

récupéré en direct d'OpenAlex

It is well known that acoustic change in speech production is subject to age-related declines. How aging alters cortical sensorimotor integration in speech control, however, remains poorly understood. The present event-related potential study examined the behavioral and neural effects of aging and sex on the auditory-motor processing of voice pitch errors. Behaviorally, older adults produced significantly larger vocal compensations for pitch perturbations than young adults across the sexes, while the effects of sex on vocal compensation did not exist for both young and older adults. At the cortical level, there was a significant interaction between aging and sex on the N1-P2 complex. Older males produced significantly smaller P2 amplitudes than young males, while young males produced significantly larger N1 and P2 amplitudes than young females. In addition, females produced faster N1 responses than males regardless of age, while young adults produced faster P2 responses than older adults across the sexes. These findings provide the first neurobehavioral evidence that demonstrates the aging influence on auditory feedback control of speech production, and highlight the importance of sex in understanding the aging of the neuromotor control of speech production.

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 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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,525
Score d'incertitude au seuil0,753

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,002
Communication savante0,0000,001
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 Opus0,021
Tête enseignante GPT0,284
Écart entre enseignants0,264 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations18
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in NeuroscienceMême sujetNeuroscience and Music PerceptionTravaux en français237 207