Voice characteristics from isolated rapid eye movement sleep behavior disorder to early Parkinson's disease
Notice bibliographique
Résumé
BACKGROUND: Speech disorders are amongst the first symptoms to appear in Parkinson's disease (PD). OBJECTIVES: We aimed to characterize PD voice signature from the prodromal stage (isolated rapid eye movement sleep behavior disorder, iRBD) to early PD using an automated acoustic analysis and compare male and female patients. We carried out supervised learning classifications to automatically detect patients using voice only. METHODS: Speech samples were acquired in 256 French speakers (117 participants with early PD, 41 with iRBD, and 98 healthy controls), with a professional quality microphone, a computer microphone and their own telephone. High-level features related to prosody, phonation, speech fluency and rhythm abilities were extracted. Group analyses were performed to determine the most discriminant features, as well as the impact of sex, vocal tasks, and microphone type. These speech features were used as inputs of a support vector machine and were combined with classifiers using low-level features. RESULTS: PD related impairments were found in prosody, pause durations and rhythmic abilities, from the prodromal stage. These alterations were more pronounced in men than in women. Early PD detection was achieved with a balanced accuracy of 89% in males and 70% in females. Participants with iRBD were detected with a balanced accuracy of 63% (reaching 70% in the subgroup with mild motor symptoms). CONCLUSION: This study provides new insight in the characterization of sex-dependent early PD speech impairments, and demonstrates the valuable benefit of including automated voice analysis in future diagnostic procedures of prodromal PD.
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 | 0,002 |
| 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) | 0,002 | 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 ».