Prosodic characteristics of English speakers with Alzheimer’s disease
Notice bibliographique
Résumé
Alzheimer’s disease (AD) is a progressive neurodegenerative disorder. A large amount of work has focused on the automatic detection of AD, but few have examined the underlying acoustic correlates. Through the analysis of 42 speakers (21 AD and 21 control), research by Martinez-Sanchez et al. have reported flattened pitch trajectories which distinguish Spanish-speaking AD patients from those of controls [Martinez-Sanchez et al., Psicothema 24(1), 16–21 (2012)]. The present study aims to determine whether a similar effect is found in a large-scale study of English speakers with AD. Prosogram [Mertens, in Proceedings of Speech Prosody (2004)] was used to assess pitch trajectories of 203 English-speaking participants (128 AD and 75 control) from Dementiabank’s Pitt Corpus [Becker et al., Arch. Neurol. 51(6), 585–594 (1994)]. AD patients exhibited greater pitch range and trajectories across phonation than controls, both within and across syllables. These preliminary findings conflict with previous observations of a flattened prosodic profile for AD patients. A possible reason for this discrepancy is a difference in speech elicitation tasks. Previous studies on Spanish-speakers used reading and delayed pronunciation tasks, whereas the present study utilizes a picture description task, a more natural elicitation method.
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 | 0,000 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».