The semantic storage loss score: An Algorithm for measuring an individual's level of semantic storage loss due to temporal lobe damage in neurodegenerative disease
Notice bibliographique
Résumé
Anomia is common in Primary Progressive Aphasia (PPA), and there is considerable evidence that semantic problems (as opposed to impaired access to output word phonology) exist in many PPA individuals irrespective of their strict subtype, including a loss of representations from semantic memory, which is typical for people with the semantic variant of PPA. In this manuscript we present a straightforward novel clinical algorithm that quantifies this degree of semantic storage impairment. We sought to produce an algorithm by employing tasks that would measure key elements of semantic storage loss: a) whether an unrecalled name could be retrieved with cues; b) if performance for items was consistent across tasks; and c) the degree to which a participant's performance was related to general severity of cognitive impairment rather than semantic loss. More specifically, these tasks were given to 28 individuals with PPA (12 participants had a clinical diagnosis of atypical Alzheimer's Disease with the logopenic variant of PPA; the remaining 16 participants received a clinical diagnosis of Frontotemporal dementia (11 were classified as the non-fluent variant of PPA and five were the semantic variant of PPA). Scores from these tasks produced a single omnibus semantic memory storage loss score (SSL score) for each person that ranged from 0.0 to 1.0, with scores closer to 0 more indicative of semantic storage loss. Indeed, supporting the hypothesis that our scores measure the degree of semantic storage loss, we found participants with the semantic variant of PPA had the lowest scores, and SSL scores could predict the degree of hypometabolism in the anterior temporal lobe; even when only people with the logopenic variant of PPA were examined. Thus, these scores show promise quantitating the degree of a person's semantic representation loss.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».