Facial emotion recognition in children treated for posterior fossa tumours and typically developing children: A divergence of predictors
Notice bibliographique
Résumé
Facial emotion recognition (FER) deficits are evident and pervasive across neurodevelopmental, psychiatric, and acquired brain disorders in children, including children treated for brain tumours. Such deficits are thought to perpetuate challenges with social relationships and decrease quality of life. The present study combined eye-tracking, neuroimaging and cognitive assessments to evaluate if visual attention, brain structure, and general cognitive function contribute to FER in children treated for posterior fossa (PF) tumours (patients: n = 36) and typically developing children (controls: n = 18). To assess FER, all participants completed the Diagnostic Analysis of Nonverbal Accuracy (DANVA2), a computerized task that measures FER using photographs, while their eye-movements were recorded. Patients made more FER errors than controls (p < .01). Although we detected subtle deficits in visual attention and general cognitive function in patients, we found no associations with FER. Compared to controls, patients had evidence of white matter (WM) damage, (i.e., lower fractional anisotropy [FA] and higher radial diffusivity [RD]), in multiple regions throughout the brain (all p < .05), but not in specific WM tracts associated with FER. Despite the distributed WM differences between groups, WM predicted FER in controls only. In patients, factors associated with their disease and treatment predicted FER. Our study provides insight into predictors of FER that may be unique to children treated for PF tumours, and highlights a divergence in associations between brain structure and behavioural outcomes in clinical and typically developing populations; a concept that may be broadly applicable to other neurodevelopmental and clinical populations that experience FER deficits.
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 | 0,000 | 0,000 |
| 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 ».