Oral‐diadochokinetic rates among healthy Malaysian-Mandarin speakers: A cross linguistic comparison
Notice bibliographique
Résumé
Purpose This study examined the effects of non‐word versus real word, age, and gender on oral‐DDK rates among healthy Malaysian-Mandarin speakers. Comparison between non-word of Malaysian-Mandarin and Hebrew speakers was examined.Method One-hundred and seventeen speakers (18–83 years old, 46% men) were audio‐recorded while performing non-word (repetition of “pataka”) and real-word oral‐DDK tasks (“butter cake” and “怕他看 ([pha4tha1khan4])”). The number of syllables produced in 8 seconds was counted from the audio recording to derive the oral-DDK rates. A MANOVA was conducted to compare the rates between age groups (young = 18–40 years, n = 56; middle = 41–60 years, n = 39; older = 61–83 years, n = 22) and gender. In a second analysis, “pataka” results were compared between this study and previous findings with Hebrew speakersResult No gender effects were found. However, rates significantly decreased with age (p < 0.001). Repetition of real words was faster than that of non-words – English words (5.55 ± 1.19 syllables/s) > non‐words (5.29 ± 1.23) > Mandarin words (4.91 ± 1.13). Malaysian-Mandarin speakers performed slower than Hebrew speakers on “pataka” task.Conclusion Aging has a large impact on oromotor functions, indicating that speech-language pathologists should consider using age-adjusted norms.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».