Linguistic determinants of formal thought disorder in first episode psychosis
Notice bibliographique
Résumé
AIM: Thought disorder is a core feature of schizophrenia but assessment of disordered thinking is challenging, which may contribute to the paucity of mechanistic understanding of disorganization in early psychosis. We studied the use of linguistic connectives in relation to clinically quantified dimensions of thought disorder using automated speech analysis in untreated, first episode psychosis (FEPs) and healthy controls (HCs). METHODS: 39 treatment-naïve, actively psychotic FEPs and 23 group matched HCs were recruited. Three one-minute speech samples were induced in response to photographs from the Thematic Apperception Test and speech was analysed using COH-METRIX software. Five connectives variables from the Coh-Metrix software were reduced using principle component analysis, resulting in two linguistic connectives factors. Thought disorder was assessed using the Thought Language Index (TLI) and the PANSS-8. RESULTS: Connective factors predicted disorganization, but not impoverishment suggesting aberrant use of connectives is specific to positive thought disorder. An independent t test comparing low and high disorganization FEPs showed higher load of acausal temporal connectives in high disorganization FEPs compared to low disorganization FEPs (mean [SD] in high vs low disorganization FEPs = 0.64 (1.1) vs -0.37 (1.02); t = 2.91, P = .006). Acausal-temporal connectives were not correlated with severity of symptoms or cognition suggesting connective use is a specific index of disorganized thinking rather than overall illness status. CONCLUSIONS: Clinical assessment of disorganization in psychosis is likely linked to the aberrant use of connectives resulting in an intuitive sense of incoherence. In early psychosis, thought disorder may be reliably quantifiable using automated syntax analysis.
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 | 0,000 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».