MétaCan
Menu
Retour à la cohorte
Enregistrement W3174031708 · doi:10.3390/brainsci11060815

Contribution of the Cognitive Approach to Language Assessment to the Differential Diagnosis of Primary Progressive Aphasia

2021· review· en· W3174031708 sur OpenAlexaff
Joël Macoir, Annie Légaré, Monica Lavoie

Notice bibliographique

RevueBrain Sciences · 2021
Typereview
Langueen
DomaineNeuroscience
ThématiqueNeurobiology of Language and Bilingualism
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésPrimary progressive aphasiaAphasiaCognitionComprehensionPsychologyNeuropsychological assessmentNeuropsychologyCognitive neuropsychologyCognitive psychologyInterpretation (philosophy)Language productionLinguisticsMedicineDementiaPsychiatryPathology

Résumé

récupéré en direct d'OpenAlex

Diagnosis of primary progressive aphasia (PPA) is essentially based on the identification of progressive impairment of language abilities while other cognitive functions are preserved. The three variants of PPA are characterized by core and supportive clinical features related to the presence or absence of language impairment in different linguistic domains. In this article, we review the cognitive neuropsychological approach to the assessment of PPA and its contribution to the differential diagnosis of the three variants. The main advantage of this assessment approach is that it goes beyond the mere description and classification of clinical syndromes and identifies impaired and preserved cognitive and linguistic components and processes. The article is structured according to the main language domains: spoken production, language comprehension, and written language. Each section includes a brief description of the cognitive processes involved in the assessment tasks, followed by a discussion of typical characteristics for each PPA variant and common pitfalls in the interpretation of the results. In addition, the clinical benefit of the cognitive neuropsychological approach for the behavioral management of PPA is briefly sketched out in the conclusion.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,979
Score d'incertitude au seuil0,483

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,075
Tête enseignante GPT0,399
Écart entre enseignants0,325 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations17
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBrain SciencesMême sujetNeurobiology of Language and BilingualismTravaux en français237 207