Connected speech assessment in the early detection of Alzheimer’s disease and mild cognitive impairment: a scoping review
Notice bibliographique
Résumé
Background: Connected speech (CS) deterioration appears early in the progression to Alzheimer’s disease (AD) and in mild cognitive impairment (MCI). As such, CS assessment may prove a quick, clinical speech tool and contribute to the early detection of subtle, yet significant speech changes pointing to pathological cognitive ageing.Aims: We performed a scoping review to extensively map the methodology used to assess CS in AD and MCI populations in the literature.Methods & Procedures:Outcomes & Results: The scoping review revealed the majority of articles on CS in AD and MCI populations studied relatively small samples of English-speaking patients, most of which were in the early to moderate stages of AD and relied mostly on descriptive methods (namely, single-picture description tasks) and manual analysis to collect and analyse CS data. The review also highlighted the diversity of outcome measures of CS studied, with semantic and fluency outcome measures being most common across included articles, and a synthesis of the key findings revealed these outcomes measures to be most relevant in identifying early changes to CS in pathological ageing.Conclusions: This scoping review identifies a considerable heterogeneity across articles on the assessment of CS in AD and MCI, in terms of populations (sample size, disease severity, diagnosis criteria used, etc.) and methods (tasks used to assess CS, outcome measures of interest, etc.). It also provides recommendations for future research on CS and highlights the potential of interesting research avenues, such as unstructured tasks and automatic speech analysis to obtain and analyse CS data.
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 | 0,015 | 0,081 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,006 |
| Bibliométrie | 0,018 | 0,012 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,004 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».