Neuroanatomical Correlates of Macrolinguistic Aspects in Narrative Discourse in Unilateral Left and Right Hemisphere Stroke: A Voxel-Based Morphometry Study
Notice bibliographique
Résumé
Background A growing body of literature has demonstrated the importance of discourse assessment in patients who suffered from brain injury, both in the left and right hemispheres, as discourse represents a key component of functional communication. However, little is known about the relationship between gray matter density and macrolinguistic processing. Purpose This study aimed to investigate this relationship in a group of participants with middle–low to low socioeconomic status. Method Twenty adults with unilateral left hemisphere (n= 10) or right hemisphere (n= 10) chronic ischemic stroke and 10 matched (age, education, and socioeconomic status) healthy controls produced three oral narratives based on sequential scenes. Voxel-based morphometry analysis was conducted using structural magnetic resonance imaging. Results Compared to healthy controls, the left hemisphere group showed cohesion impairments, whereas the right hemisphere group showed impairments in coherence and in producing macropropositions. Cohesion positively correlated with gray matter density in the right primary sensory area (PSA)/precentral gyrus and the pars opercularis. Coherence, narrativity, and index of lexical informativeness were positively associated with the left PSA/insula and the superior temporal gyrus. Macropropositions were mostly related to the left PSA/insula and superior temporal gyrus, left cingulate, and right primary motor area/insula. Discussion Overall, the present results suggest that both hemispheres are implicated in macrolinguistic processes in narrative discourse. Further studies including larger samples and with various socioeconomic status should be conducted. Supplemental Material https://doi.org/10.23641/asha.14347550
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 | 0,001 |
| 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 | 0,000 |
| 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) | 0,001 | 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 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 ».