Pragmatic Language and Schizophrenia: Interpretation of Metaphors
Notice bibliographique
Résumé
ABSTRACT Background: Schizophrenia is a severe and chronic psychiatric disorder with significant cognitive deficits, which are considered structural markers for the disease. Language disturbances have an important role in patients' social functioning and interpersonal relationships. Objectives: Evaluate the capacity to understand pragmatic language in schizophrenic patients, through the comprehension of non-literal meaning in metaphors and the ability to use contextual clues to better understand their meanings. Methods: Thirty patients were evaluated using Abbreviated Intelligence Scale (WASI), Interpretation of Metaphors subtest of the Montreal Communication Evaluation Battery (MAC). Results: The linear regression model showed that schizophrenic patients presented below average performance in the interpretation of metaphors task, with tendency to concrete interpretations. Variables such as IQ, WASI Vocabulary subtest and years since onset influenced the patients' pragmatic language skills. This relation was not found for family history. Existence of the metaphor in native colloquial language (Portuguese) and being given alternatives to choose from, enhanced patients' performance. Discussion: Results corroborate findings regarding this population's difficulties in the language cognitive domain. Development of interventions aiming comprehension of pragmatic language could help ease patients' social difficulties, especially if started early at onset. Also, better understanding of this deficit can help create rehabilitation strategies.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».